我试图建立一个深入的学习模型,但我得到一个错误使用tensorflow,我没有解决这个问题。
我正在尝试构建一个深入学习模型,但是在定义模型时,我得到了这个错误。
from tensorflow.keras.preprocessing.text import Tokenizer
from tensorflow.keras.preprocessing.sequence import pad_sequences
from tensorflow.keras.models import Sequential, load_model, Model
from tensorflow.keras.utils
我试着运行以下代码:
from keras.models import Sequential
from keras.layers import Dense, Activation
from keras.optimizers import SGD
我得到了一个错误:
ImportError: cannot import name 'SGD' from 'keras.optimizers' (C:\Users\user\AppData\Roaming\Python\Python38\site-packages\keras\optimizers.py)
早些时候,当我
在TensorFlow1.14中,我希望能够从私有tf.keras _Merge类继承,以在外部文件中实现自定义_Merge层。
以前,在独立的Keras中,我通过将所有_Merge替换为Merge来更改文件.../keras/layers/merge.py的内容,例如,从
class _Merge(Layer):
(...)
class Add(_Merge):
至
class Merge(Layer):
(...)
class Add(Merge):
因为我现在使用的是调用tf.keras的tf函数,所以我想从独立的Keras切换到tf.keras。我以同样的方式更改了相同的文件。此外,我
我正在开发一个使用keras模型的声音识别系统,然后使用tensorflow将其转换为可以在Android上使用的模型。代码如下。代码中的X_data和Y_data是numpy二进制文件,有两个特性:表示声音的MFCC及其标签的40个值。 import numpy as np
import pandas as pd
import os
from keras.models import Sequential
from keras.layers import Dense, Dropout, Activation, Flatten
from keras.optimizers import Adam
我刚刚开始使用Keras/Tensorflow,我正在尝试重新训练和量化int8 a MobileNetV2,但是我得到了以下错误:
ValueError: Quantizing a tf.keras Model inside another tf.keras Model is not supported.
我跟踪这个来绕过量化步骤,但是我不确定我到底做了什么不同的事情。
IMG_SHAPE = (224, 224, 3)
base_model = tf.keras.applications.MobileNetV2(input_shape=IMG_SHAPE,
我对Keras/Tensorflow反序列化模型有一个问题。基本上,这是一个卷积神经网络在文本上的实现,这需要在早期阶段添加一个维度。错误消息如下:
文件"/usr/lib/python3.6/site-packages/tensorflow/python/keras/_impl/keras/backend.py",第2231行,在expand_dims NameError中:未定义名称'array_ops‘
导致此错误消息的代码:
import numpy as np
from docopt import docopt
import tensorflow as
我试图在google中添加来自keras_unet的实用程序,但我有一个问题。
import tensorflow as tfs
from keras_unet import utils
keras init: TF版本是>= 2.0.0 -使用tf.keras而不是Keras
ModuleNotFoundError
以下代码
from tensorflow import keras
from keras.layers import Conv2D
model = keras.Sequential()
model.add(Conv2D(1, (3, 3), padding='same', input_shape=(28, 28, 1)))
执行时抛出错误:
TypeError: The added layer must be an instance of class Layer. Found: <keras.layers.convolutional.Conv2D object at 0
我现在正在学习tensorflow和keras,我看到所有教程都有这两种导入:
import tensorflow as tf
from tensorflow import keras
根据我对python导入的理解,我认为第二行是额外的,因为如果我们已经在第一行中导入了tensorflow,那么我们将导入tensorflow中的每个模块。就像我们有
import math
然后我们应该有math.log()、math.sqrt()可用。
不过,如果我评论一下
from tensorflow import keras
然后这一行代码
model = tf.keras.Sequential([
我正在尝试在tensorflow中使用lstm,但我到了这个地步,我无法建立一个简单的imdb情感模型来收敛。
我采用了一个keras模型,并试图在tensorflow中复制完全相同的模型,在tensorflow中,它训练和收敛,但是在tensorflow,它只是停留在某个点(损失0.69)。
我试着使它们尽可能平等,唯一的区别是,在角,填充是在序列之前,而在tensorflow,我使用'post‘填充,因为在tensorflow的约定。
你知道我的tensorflow模型有什么问题吗?
from __future__ import print_function
import ran
我正在尝试使用CNN的三重损失,我首先实现了一个小网络:
import tensorflow as tf
from keras.layers import Conv2D, GlobalAveragePooling2D, MaxPooling2D, UpSampling2D, Lambda, Flatten
from keras import optimizers
import tensorflow_addons as tfa
model = tf.keras.Sequential([
tf.keras.layers.Conv2D(filters=64, kernel_size=2, p
我使用tf.keras函数保存了一个tf.keras.save_model模型。为什么tf.keras.load_model抛出异常?
代码示例:
import tensorflow as tf
from tensorflow import keras
from tensorflow.keras import layers
model = keras.Sequential([
layers.Dense(8, activation=tf.nn.leaky_relu),
layers.Dense(8, activation=tf.nn.leaky_relu)
])
tf.ker
我正在使用下面的代码在Keras中构建一个深度学习模型(Tensorflow 2.0)。
import tensorflow as tf
keras = tf.keras
from keras.layers import Input, Dense
from keras.models import Model
a = Input(shape=(138,7), name='inputP')
b = Input(shape=(138,7), name='inputQ')
c = tf.transpose(b, [0,2,1])
d = tf.matmul(c,a)
我刚开始我的项目,我刚刚导入了我需要的包: from keras.models import Sequential
from keras.layers import Dense 显然,TensorFlow和keras都已经安装好了。无论如何,如果我运行代码,我会得到这个错误: Using TensorFlow backend.
ERROR:root:Internal Python error in the inspect module.
Below is the traceback from this internal error.
.
.
.
Traceback (most recent