我正在使用tensorflow训练神经网络，我想监控一些层的L2范数。我发现了在tensorflow 1中如何做到这一点，例如，但我无法在tensorflow 2中找到同样的方法，我想知道我该如何做到这一点。谢谢!
浏览 14提问于2021-02-17得票数 0
我正在使用tensorflow训练一个用于对象检测的模型。在训练期间，tensorflow在终端中打印相同的信息两次，如下所示：INFO:<
浏览 0提问于2018-06-06得票数 4
1回答
我们是否可以逐步训练图像数据集，就像我之前的训练数据集是使用500张图像创建的一样，但现在我想添加更多图像。 我们是否应该使用更多的图像来训练旧的数据集？
浏览 11提问于2019-02-26得票数 2
3回答
我使用的是Tensorflow/Keras 2.4.1，我有一个(无监督的)自定义度量，它将几个模型输入作为参数，例如：[...]然而，custom_metric是非常昂贵的，所以我希望只在验证期间计算它我找到了这个，但是我很难理解如何使这个解决方案适应我的度量标准，它
浏览 16提问于2022-03-09得票数 6
回答已采纳
我正在使用Tensorflow Federated (TFF)进行具有不同隐私的训练。(query) server_state.delta_aggregate_state,
client_outputs.weights_delta)
浏览 7提问于2021-09-22得票数 1
回答已采纳
我试图调试为什么两个训练操作的行为不同，而我却以稍微不同的格式向它们提供相同的数据:一次是numpy.ndarray，另一次是tensorflow.data.Dataset。在训练过程中输入到神经网络中的每一对x，y，都将有助于记录：model.fit(ds, ...) # ds is a tensorflow.data.Dataset
问题:如何要求Tensorflow</e
浏览 2提问于2021-06-24得票数 1
回答已采纳
之前，我实现了2个CNN模型(Resnet50v2和inceptionResNetv2)，数据集包含3662张图像。在Google colab的训练和验证过程中，这两种方法都工作得很好。现在我再次重新运行完全相同的代码，每个时期的训练样本本身减少到每个时期只有92个样本(在2929个/时期之前)。两个型号使用不同的笔记本，它们现在都是这样的。我想这可能是因为内存有限(在使用google colab一个月后，
浏览 10提问于2020-04-01得票数 1
1回答
我正在加载我以前训练过的keras模型，用他的权重初始化另一个网络。不幸的是，我加载的模型填满了我的全部记忆，使得新模型的培训无法进行。PS:，我使用tensorflow作为后端。
浏览 1提问于2018-07-23得票数 0
回答已采纳
我在tensorflow文档中发现了这一点，但我不知道将train_op放在哪里，也不知道如何使用keras模型： train_op = optimizer.minimize( loss )
我发现的帖子中没有提到如何处理train_op，以及您是否可以在model.compile中使用它。
浏览 0提问于2018-05-03得票数 4
回答已采纳
假设我在Tensorflow中有一个LSTM网络，并且正在使用Adam Optimizer训练它，通过在训练期间为X和Y变量提供一组X和Y dict来最小化成本函数，然后在同一会话中，为变量提供新的X和Y dict以进行测试，Tensorflow是自动使用在训练期间找到的最佳模型(即使用在训练期间带来最低成本值
浏览 19提问于2019-11-05得票数 1
回答已采纳
我定义了一个卷积层，并在Keras中使用了L2重量衰减。我想调查在没有体重衰减的情况下的损失，而我想让这个体重衰减的人参加这个培训。
浏览 3提问于2017-09-24得票数 6
回答已采纳
在Tensorflow中，似乎可以在培训期间、从原始图像(或数据)创建批处理或图像已经是静态的时候进行预处理。考虑到theoretically，预处理所需的时间大致相同(如果它们使用相同的硬件完成)，在进行数据预处理(甚至数据增强)之前，在进行数据预处理(甚至数据增强)方面是否比在实时培训期间有任何实际的缺点？另外一个问题是，如果没有在训练<em
浏览 1提问于2017-01-23得票数 4
回答已采纳
我正在使用tensorflow训练网络，这是主会话A。为了对输入数据进行预处理，我使用了空间变换网络(tensorflow版本)。这基本上意味着在训练期间，会话A首先开始，在每个时期之后，将使用会话B来预处理空间变换网络的一部分。在会话B中，我有一行代码，如下所示
para = tf.Variable(initial_value=initial, name='para&#
浏览 1提问于2017-04-26得票数 1
1回答
在TensorFlow 1.x中，我可以很自由地选择在训练期间打印准确性/损失分数的方式和时间。例如，如果我想每100个时期打印一次训练损失，在tf.Session()中我会这样写： if epoch % 100 == 0:
print(str(epoch) + '.Training Loss: ' + str(loss)) 在TF 2.0 (alpha)发布之后，Keras API似乎强制使用其
浏览 16提问于2019-03-14得票数 3
回答已采纳
如何从Tensorflow model Zoo 2中了解冻结了哪些层来微调检测模型？我已经成功地设置了fine_tune_checkpoint和fine_tune_checkpoint_type: detection的路径，并且在proto文件中我已经读到“检测”是指 // 2.
浏览 59提问于2021-11-04得票数 1
回答已采纳
我已经构建了一个TensorFlow模型，它可以处理输入队列提供的训练和测试批次。因此，我没有显式地使用标准feed_dict为训练提供数据。然而，我需要实现dropout，它需要一个keep_prob占位符来在测试期间关闭dropout。谢谢
浏览 1提问于2017-09-10得票数 2
我正在努力学习tensorflow。我真的对tf.Variable的用法感到困惑。我知道在机器学习中，我们必须随机地为过滤器分配权重。但这可以通过tf.truncated_normal函数来完成。shape, mean=0, stddev=0.1)#function call
filter = weight_variable([1,2,2,1
浏览 0提问于2018-09-24得票数 3
1回答
我在用TensorFlow/Keras训练CNN我使用0到1之间的MinMaxScaler对输入(X)和输出(Y)数据(在我的问题中有2个输入和3个输出)进行了标准化，如下所示：Y = scaler.fit_transform(Y) # Normalize output data
问题是，在<em
浏览 11提问于2019-11-19得票数 0
我正在尝试让一个Mobilenetv2模型(对我的数据集的最后一层进行再训练)在Google edge TPU Coral上运行。但是当我在TPU中运行推理时，对于非常不同的输入图像，我得到了类似的输出。我使用'tflite_convert‘工具对模型进行了量化，如下所示： tflite_convert --output_file=.INFO: Initialized TensorFlow Lite runtime.该模型是一个重新训
浏览 12提问于2019-09-09得票数 4
回答已采纳
我想使用Tensorflow 2.5在训练和推理时启用dropout。为此，我在模型中设置了dropout层，参数training = True。layer = tf.keras.layers.Dropout(0.2, training = True) 然后我训练了我的模型，并使用以下代码进行了预测： prediction = model(X_test, training = False) 我故意将BatchNormalization = False放
浏览 119提问于2021-08-24得票数 0
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
腾讯会议
云直播活动推荐
腾讯云开发者
