在TensorFlow中插入权重
在TensorFlow中，插入权重是指将预训练模型的权重参数导入到新的模型中。这个过程通常在迁移学习或模型微调中使用，可以加快模型训练的速度并提高模型的性能。
TensorFlow是一个开源的机器学习框架，它提供了丰富的工具和库来构建和训练各种深度学习模型。在TensorFlow中，模型的权重通常以张量（Tensor）的形式存储，并通过变量（Variable）来管理和更新。
要在TensorFlow中插入权重，首先需要加载预训练模型的权重参数。可以使用TensorFlow提供的tf.keras.models.load_model()函数加载预训练模型，或者使用tf.train.Checkpoint()和tf.train.CheckpointManager()来加载权重参数。
一旦加载了预训练模型的权重参数，就可以将这些权重参数插入到新的模型中。通常，新的模型的结构与预训练模型不完全相同，因此需要根据新模型的结构进行权重的插入。可以通过访问新模型的层（Layer）对象，并使用assign()方法将预训练模型的权重赋值给新模型的对应层。
在插入权重之后，可以根据需要对新模型进行微调或训练。可以使用TensorFlow提供的优化器（Optimizer）和损失函数（Loss Function）来定义训练过程，并使用fit()函数进行模型训练。
在TensorFlow中，插入权重可以帮助我们利用预训练模型的知识和经验，快速构建和训练新的模型。这在许多实际应用中非常有用，特别是当我们面临数据集较小或计算资源有限的情况时。
以下是腾讯云相关产品和产品介绍链接地址，可供参考：
- 腾讯云AI Lab：https://cloud.tencent.com/solution/ai-lab
- 腾讯云机器学习平台（Tencent Machine Learning Platform）：https://cloud.tencent.com/product/tmpl
- 腾讯云深度学习平台（Tencent Deep Learning Platform）：https://cloud.tencent.com/product/dlp
- 腾讯云GPU服务器（Tencent GPU Server）：https://cloud.tencent.com/product/gpu
- 腾讯云弹性计算（Tencent Elastic Compute）：https://cloud.tencent.com/product/cvm
- 腾讯云对象存储（Tencent Object Storage）：https://cloud.tencent.com/product/cos
- 腾讯云区块链服务（Tencent Blockchain Service）：https://cloud.tencent.com/product/tbaas
- 腾讯云元宇宙服务（Tencent Metaverse Service）：https://cloud.tencent.com/product/tms
相关·内容
基本上，只要在内核中插入'class_weight‘，内核就会死掉。我运行过完全相同的模型，但没有使用class_weight，没有任何问题。我使用的是jupyter notebook (6.2.0)，搭载Macbook Pro M1芯片16‘m内存，Python3.8和tensorflow 2.4。谢谢
浏览 0提问于2021-03-22得票数 1
1回答
我有一个Tensorflow图(output_graph.pb)，我是通过在之后在盗梦空间( Inception V3 )上进行迁移学习获得的。现在，我需要提取各个层的权重，以便将它们导入到用Keras创建的模型中。我知道从tensorflow直接将图转换为keras模型()是不可能的。
浏览 1提问于2018-09-30得票数 1
回答已采纳
我刚接触Tensorflow，神经网络，而且我从来没有用过Tensorflow的JavaScript版本。基本上，我正在实验和研究这一切。
通过阅读(Python) Tensorflow文档，我发现修剪可以由TF.CONTRIB.MODEL_PRUNING完成，但是，据我所知，Tensorflow.JS没有类似的功能，所以我想尝试一下，至少实现一个非常简单/基本的修剪方法。
这种“非常简单/基本的修剪方法”可以从隐藏层中移除那些权重非常接近0的神经元。然后，我会对模型进行更多的训练，看看是否可以在准确性上弥补损失。
我知道我可以像这样访问权重：
const weights = model.la
浏览 0提问于2019-02-05得票数 1
我在找TensorFlow中所谓的“TensorFlow”。我知道如何在Tensorflow神经网络中使用"DropConnect"，但是我不知道哪种方法用于“”，或者如果它不可用，有人能建议我如何实现吗？
无论如何，我试过“辍学”、“体重衰减”和“早停”，但我仍然受到过度适应的困扰。在TensorFlow中有什么更好的解决方案吗？
浏览 10提问于2016-05-10得票数 7
在TensorFlow1.x中，这可以使用来完成，这非常繁琐。
在tensorflow 2.x中，有没有更简单的方法来手动将预先训练好的权重分配给特定的卷积？
浏览 5提问于2020-06-16得票数 2
1回答
我发现了 (在不同的场景中)，很多Github的问题和文章，但是它似乎总是与人们从Tf1.x升级到TF2.x有关。我不会那么做的。
以下是我的版本：
tensorflow 2.5.0
tensorflow-加载项0.13.0
tensorflow-数据集4.3.0
tensorflow-估计量2.5.0
tensorflow-gpu 2.5.0
我正在尝试使用TF对象检测，通过Python将Tf2.5中训练的模型转换为与tensorflow.js兼容的模型和。给出的答案是从跑步开始：
python export_inference_graph.py \
--
浏览 9提问于2021-07-16得票数 2
我试图加载我在training.So期间保存的keras模型，我去了，在那里我看到了这个。
从by_name=False格式加载权重时，只支持拓扑加载( TensorFlow )。请注意，对于继承自TensorFlow : HDF5负载的用户定义类，拓扑加载在tf.keras.Model和HDF5格式之间略有不同，而TensorFlow格式基于对象本地属性名称加载模型的构造函数中的层。
请你解释一下上面的那个好吗？
浏览 3提问于2020-05-08得票数 4
回答已采纳
如何在我的tensorflow项目中使用预先训练过的网络的权重？我知道一些关于这方面的理论信息，但没有关于在tensorflow中编码的信息。
浏览 1提问于2019-10-17得票数 0
回答已采纳
我正在使用Tensorflow Estimator训练一个模型，而且我的数据是不平衡的。我想通过加权每个训练例子来纠正这一点。
在原始的Tensorflow中，可以使用。在Estimator中有什么简单的方法可以做到这一点吗？也许构建一个定制的input_fn
浏览 5提问于2017-11-02得票数 4
我有一些用Python3.7开发的神经网络，用于使用TensorFlow中包含的Keras包对图像进行分类，我想导出层和权重模型，以便将其导入到使用Tensorflow.js的Node.js应用程序中。
我将神经网络保存为h5格式，其中包含两个单独的文件，一个用于层模型，另一个用于权重模型。尝试遵循Tensorflow提出的这个教程()，但它不起作用。
from tensorflow.python.keras.models import load_model
import numpy as np
import tensorflowjs as tf
import json
cnn_name =
浏览 13提问于2019-07-06得票数 0
对于给定的图像，我将提取ResNet特性，即，在所有conv层和全局最大池之后，这将为每幅图像提供一个2048长度的向量。
早些时候，我在后端keras==2.3.1中使用tensorflow==1.13.1。现在，我转向了tensorflow==2.0.0，因为keras已经与tensorflow合并了。我将代码替换为tf.keras而不是keras。
但是，现在提取的特征与先前提取的特征不一样。ResNet是一种独立于tensorflow/keras，甚至不依赖于tensorflow/keras，甚至是火把的模型。它的功能是预先定义的。为什么会出现这种差异呢？是否有任何参数可以被调整以获得
浏览 0提问于2020-01-17得票数 4
回答已采纳
2回答
我在训练一个深度神经网络。直接训练整个网络是困难的，因此，我更喜欢逐层训练。首先，我训练一个只有一个隐藏层的网络。之后，我使用tf.train.Saver保存模型。下一次，我通过调用以下命令来恢复变量：
saver.restore(sess, "runs/simple-model.ckpt")
当然，这一次，架构发生了变化，因为我在隐藏层和输出层之间插入了一个新层，并使用了一个新变量。因此，Tensorflow抛出一个错误：Key not found
我的问题是:如何在Tensorflow中逐层训练神经网络？我想在整个网络最终微调之前做这件事。非常感谢。
浏览 2提问于2017-01-09得票数 3
我不仅要利用特征提取器预训练的权重，还要利用特征映射层的分类器/本地化预训练权重，使用tensorflow对象检测API ( tensorflow object Pre)对tensorflow对象检测模型(SSD)进行微调。当我的新模型与我用于微调检查点的预训练模型有不同数量的类时，TensorFlow对象检测API将如何处理分类权重张量？
当在像SSD这样的ML对象检测模型中微调预训练模型时，我不仅可以用预先训练的权重初始化特征提取器的权重，而且可以初始化特征地图的定位层权重和分类层权重，后者只选择选择的预训练类权重，这样我就可以减少模型最初能够识别的类数(例如，从90层MSCOCO类到这9
浏览 1提问于2018-03-20得票数 2
回答已采纳
感谢您阅读我的问题
我有这样的数据。19个数据用于输入，1个用于标签
我已经尝试了mnist，tensorboard示例和csv批量加载示例。现在我试着把它们都混在一起。
加载csv数据并将其批处理。只学习一层并检查成本。这就是我想做的一切
这是我的代码
import tensorflow as tf
with tf.name_scope("input") as scope:
x = tf.placeholder(tf.float32, [None, 19])
with tf.name_scope("weight") as scope:
W
浏览 1提问于2017-02-22得票数 0
回答已采纳
假设在tensorflow中训练的模型使用两种方法来转换可用于tensorflow的模型: 1)使用tf.saved_model.simple_save方法将模型保存在tensorflow中，然后使用tf.loadFrozenModel将模型加载到tensorflow中并使用model.predict预测结果2)使用keras(序列)将模型保存在tensorflow中，然后使用tf.loadModel将模型加载到tensorflow中并使用model.predict预测结果 如果您在tensorflow中训练相同的模型，但保存方法不同。在tensorflowjs中使用上述2种负荷模型方法来预
浏览 22提问于2019-02-17得票数 2
回答已采纳
我从Andrew N.G的coursera课程中学习了ML和DL，每次他谈到线性分类器时，权重都只是一个1-D向量。即使在分配期间，当我们将图像滚动到一维向量(像素* 3)中时，权重仍然是一维向量。
现在，我已经开始阅读O‘’Reilly的“学习TensorFlow”一书，并遇到了第一个示例。tensorflow中的权重初始化略有不同。
这本书是这样写的(第14页)：
“因为我们不打算在这一点上使用空间信息，所以我们将把图像像素展开为一个表示为x的长向量(图2-2)。然后，$xw^0 =∑x_i w^0_i$将成为包含数字0的图像的证据(以同样的方式，我们将为其他每个数字，d= 1，...，9
浏览 13提问于2018-02-20得票数 0
我遇到了一个关于使用Tensorflow (1.15.3版)的结果的可重复性的问题。我设置了所有的种子(os，random，numpy和tensorflow)，但是卷积神经网络的结果总是在两次执行之间改变(即使相似)。 我这样设置我的种子： seed_value = 1234
import os
os.environ['PYTHONHASHSEED'] = str(seed_value)
import random
random.seed(seed_value)
import numpy as np
np.random.seed(seed_value)
import ten
浏览 56提问于2020-12-29得票数 0
回答已采纳
我用TensorFlow训练了一个TensorFlow模型，我想在层中得到一个特定的权重。例如，在torch7中，我只需访问model.modules[2].weights。要获得第二层的权重，我如何在TensorFlow中做同样的事情？
浏览 4提问于2016-03-24得票数 77
回答已采纳
我正在用C++构建一个应用程序，我想包括一个我用TensorFlow构建的ML分类器模型。应用程序将为不同的操作系统构建。有什么方法可以让TensorFlow随我的应用一起使用，这样人们就不用自己在机器上安装TensorFlow了？
我的另一个选择是在C++中实现自己的神经网络，只从保存的TensorFlow模型中读取权重和偏差。
浏览 2提问于2016-11-04得票数 0
回答已采纳
我试图用Tensorflow后端重新训练Keras 2中的word2vec模型，使用预先训练过的嵌入和自定义语料库。
我就是这样用预先训练好的嵌入来初始化嵌入层的：
embedding = Embedding(vocab_size, embedding_dim,
input_length=1, name='embedding',
embeddings_initializer=lambda x: pretrained_embeddings)
其中pretrained_embeddings是一个
浏览 2提问于2018-11-21得票数 12
回答已采纳
我刚刚开始使用tensorflow进行深度学习。我偶然发现了ann_visualizer，想试一试。我按照指南安装和使用它。我还安装了graphviz包，它位于我的源文件夹中。 import numpy as np
import pandas as pd
import tensorflow as tf
import keras as keras
data = pd.read_csv('DataSets/Churn_Modelling.csv')
x = data.iloc[: , 3:-1].values
y = data.iloc[: , -1].values
from
浏览 17提问于2020-09-27得票数 1
回答已采纳
我试图用 (而不是PyTorch )实现TensorFlow中的CSRA模块，使用MobileNetV3作为特性提取器。
我只精通TensorFlow，在从PyTorch到TensorFlow的翻译中遇到了一些困难。
实现该模块的使用了一些在TensorFlow中不常用的函数，而those为这些函数提供的帮助很少。
源代码如下：
class CSRA(nn.Module): # one basic block
def __init__(self, input_dim, num_classes, T, lam):
super(CSRA, self).__init__()
浏览 2提问于2022-05-23得票数 0
正如我们所知，DNN由许多层组成，这些层由许多神经元组成，这些神经元将相同的函数应用于输入的不同部分。同时，如果我们使用Tensorflow来执行DNN任务，我们将会得到Tensorflow自动生成的数据流图，并且我们可以使用Tensorboard将数据流图可视化为blow。但在这一层中没有神经元。所以我想知道Tensorflow数据流图和DNN之间的关系是什么？当DNN中的一个神经元映射到数据流图中时，它是如何表示的?DNN中的神经元与tensorflow中的节点(表示一个操作)之间是什么关系？我刚开始学习DNN和Tensorflow，请帮我整理一下思路。感谢：)
浏览 1提问于2018-05-04得票数 1
我正在尝试使用来自预训练模型的numpy数组，来初始化我的keras模型中的内核。因此，我正在编写自己的初始化函数。该函数嵌入在可调用类中，以避免在使用load_model时出现问题。在我的例子中，将数组作为参数传递给初始化器似乎不起作用。 我当前的解决方案的灵感来自：keras kernel initializers are called incorrectly when using load_model，在向初始化器函数传递单个数字参数的情况下，所提供的答案对我来说工作得很好。在使用数组时，会发生错误。 我也研究过使用set_weights的解决方案，但它们不适用于我的情况，因为我只想初
浏览 26提问于2019-05-18得票数 3
我在CNN模型中使用了Tensorflow GPU，我想在每次执行时复制我的结果。
我尝试过设置图形级种子、非随机种子，甚至操作级种子。然而，它仍然不能被复制。
我也尝试过使用CPU的Tensorflow；我得到了一个可重复的结果，但是它太慢了。
对于使用GPU的Tensorflow获得可重复的结果，有任何想法或调试实验建议吗？
浏览 0提问于2019-04-02得票数 0
回答已采纳
TensorFlow.js版本
tensorflow/tfjs-core@0.15.2
浏览器版本
适用于mac的chrome 72.0.3626.109
描述问题或功能请求
我尝试了tensorflow/tfjs-examples中的演示tfjs-examples-webcam-transfer-learning。在文件index.js中，tensorflow尝试加载模型，如下所示：
const mobilenet = await tf.loadModel(
'https://storage.googleapis.com/tfjs-models/tfjs/mobile
浏览 0提问于2019-02-23得票数 1
我试图编写代码来手动设置keras网络中的权重，但是当我构建网络时，似乎存在额外的权重。
>>> import numpy as np
>>> import tensorflow as tf
>>> from tensorflow import keras as ke
>>> from tensorflow.keras import layers
>>> lay=layers.Dense(1,activation="relu")
>>> lay.add_weight(sh
浏览 2提问于2021-12-28得票数 -1
回答已采纳
我在Windows上编写了Python深入学习代码的原型，但我无法让它在Linux上工作。我发现问题来自于load_model。下面是在Windows和Linux上不同行为的Python代码。
这两个Keras安装都是从Keras的github源代码存储库中安装的，因为标准Keras包无法识别模型格式，因此最近在Github源代码中对字符格式进行了修补。
你知道发生了什么事吗？
守则：
from keras.models import load_model, Model
import sys
import keras
import tensorflow as tf
import os
impo
浏览 3提问于2018-01-06得票数 4
在tensorflow中，RMSPROP优化器可以与tf.train.RMSPropOptimizer函数一起使用，如下所示(这与tensorflow版本1.4相关)。
tf.train.RMSPropOptimizer(
learning_rate, decay=0.9, momentum=0.0, epsilon=1e-10, use_locking=False,
centered=False, name='RMSProp'
)
但它并不表示如何初始化每个权重的平方梯度的移动平均值。tensorflow如何初始化它？
浏览 0提问于2020-06-22得票数 0
回答已采纳
在tensorflow/models/slim/nets中，这里是的相关片段的链接。我很好奇为什么slim.nets.vgg使用conv2d而不是fully_connected层，尽管它实际上是以同样的方式工作的？这是为了速度的目的吗？我很感谢一些解释。谢谢!
浏览 11提问于2017-02-05得票数 5
我正在构建一些复杂的神经网络模型，其中两个网络共享一些层。我的实现是创建2个tensorflow图，并在其间共享层/变量。然而，就在创建网络的过程中，发现了bug。
import tensorflow as tf
def create_network(self):
self.state_tensor = tf.placeholder(tf.float64, [None, self.state_size], name="state")
self.action_tensor = tf.placeholder(tf.float64, [None, self.actio
浏览 1提问于2017-04-21得票数 7
我用tensorflow 1.13/1.14训练了一个multi_gpu_model，并用keras.model.save('<.hdf5>')保存了它们。现在，在迁移到tensorflow 2.4.1 (其中将Keras集成为tensorflow.keras )之后，由于以下错误，我不能像以前那样进行tensorflow.keras.models.load_model：
AttributeError: module 'tensorflow.python.keras.backend' has no attribute 'slice'
浏览 3提问于2021-03-22得票数 0
回答已采纳
2回答
我试图使用一个自定义的损失函数来计算回归测试中的加权MSE (任务中的值：- 1，- 0.5，0，0.5，1，1.5，3等等)。以下是自定义丢失函数的实现：
import tensorflow
import tensorflow.keras.backend as kb
def weighted_mse(y, yhat):
ind_losses = tensorflow.keras.losses.mean_squared_error(y, yhat)
weights_ind = kb.map_fn(lambda yi: weight_dict[kb.get_value(yi)]
浏览 12提问于2020-07-14得票数 1
回答已采纳
尝试将批量归一化层从TensorlayVersion1.11.1转换为Tensorflow 2，并使用相同的预训练模型在推理过程中从该层获得不同的输出。
Tensorlayer 1.11.1
tensorlayer.layers.BatchNormLayer(network, is_train=False, name="batch_norm")
Tensorflow 2.8.0
tf.keras.layers.BatchNormalization(trainable=False, momentum=0.9, axis=3, epsilon=1e-05, gamma_initia
浏览 10提问于2022-06-08得票数 0
回答已采纳
1回答
在学习TensorFlow的过程中，我对神经网络初始化感到困惑。
我发现它应该执行随机初始化有两个原因
避免对称性破坏。(使用初始化)
避免坏的局部极小值。(使用多次初始化并选择最佳初始化)
第一个原因，我知道为什么它可以避免对称性破坏，但第二个原因，仍然让我很困惑。
在TensorFlow 教程中，它们使用随机初始化，但不多次使用。
浏览 3提问于2017-05-30得票数 0
我正尝试在我的深度学习项目中使用TensorFlow。
当我使用动量梯度下降时，如何设置权重成本强度？
(此中的λ。)
浏览 3提问于2016-01-25得票数 5
我正在使用tensorflow对象检测。
我可以使用来自tensorflow模型动物园的模型来执行推理，它可以检测到几个现实世界的对象。然而，当我在新的类上训练相同的模型时，它只能识别新的类。当使用原始模型作为针对新数据进行培训的基础模型时，如何保留原始模型的学习内容？
浏览 0提问于2022-08-05得票数 0
在计算Keras (或Tensorflow)中的损失时，是否有一种简单的使用有非均匀惩罚的方法？我的意思是，假设你有5000个训练样本，它们不一样重要，在某些情况下，我们更愿意得到更准确的预测，甚至牺牲了对其他几个样本的不准确估计。我已经有了一些代表样本重要性的系数。
有没有办法在Keras或Tensorflow上实现这样的模型？
浏览 2提问于2019-09-18得票数 0
回答已采纳
在tensorflow中是否有可能获得负值的iou？我得到了负值。
mIOU, conf_mat = tf.metrics.mean_iou(labels=gt_label, predictions=predict_labels,
num_classes=21, weights=tf.stack([0,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1]))
我屏蔽了标签0，因为它是背景标签，而不是评估。但它是在损失函数中计算的。
浏览 1提问于2017-06-24得票数 0
3回答
有没有什么方法可以在我们的序列模型tensorflow中初始化权重(w向量)？我在我的神经网络中使用下面显示的代码，并希望自己初始化权重
import tensorflow as tf
from tensorflow.keras import Sequential
from tensorflow.keras.layers import Dense
model=Sequential()
model.add(Dense(X_train.shape[1],activation='relu'))
model.add(Dense(X_train.shape[1]/2,activatio
浏览 0提问于2020-09-23得票数 0
为什么我们必须在模型预测中初始化权重？我不明白。 你可以参考：https://www.tensorflow.org/tutorials/structured_data/imbalanced_data#checkpoint_the_initial_weights initial_weights = os.path.join(tempfile.mkdtemp(), 'initial_weights')
model.save_weights(initial_weights)
浏览 40提问于2021-06-25得票数 0
1回答
问题:我有一个模型，我想用独立的数据集进行训练。然后，我想提取每个模型的权重(每个实例的模型是相同的，但使用不同的数据集进行训练)，最后，计算并平均这些权重。基本上，我的目的是模拟在多个设备上运行的tensorflow，然后平均它们的权重，以便它们被一个模型使用。
我的解决方案:我多次将此模型添加到tensorflow中，目前正在使用其独特的数据集分别训练这些模型中的每一个。但这使用了GB的内存，我想知道是否有更好的方法来做到这一点？
浏览 0提问于2017-04-14得票数 0
在TensorFlow-Keras中训练CNN模型后，在使用以下函数打开模型文件时，我得到了标题中提到的这个错误： from tensorflow.keras import load_model
# I also tried:
# from tensorflow.compat.v1.keras.models import load_model
model = load_model('weights-improvement-70-0.57.hdf5', compile = False) weights-improvement-70-0.57.hdf5是我的模型文件。下面是我从
浏览 178提问于2020-08-20得票数 1
回答已采纳
在Tensorflow的这个resource中，我们可以看到函数的导数是如何在一点或任何一点计算的，但是Tensorflow是如何做到这一点的呢？ ?
浏览 12提问于2021-07-23得票数 0
回答已采纳
要在崩溃后恢复训练，不仅必须恢复模型，还必须恢复进入model.fit(...)过程状态的所有对象和参数。
在我费心编写实现fitting对象的keras代码之前，我想知道用于崩溃恢复的标准方法(如果有的话)是什么，以便从中断的地方恢复TensorFlow 2.0训练。
还是有人真的填补了TensorFlow对象模型中的这个明显的漏洞？
浏览 3提问于2019-12-29得票数 1
我的团队已经花了几个月的时间训练Caffe模型，但现在我们正在考虑转换到Tensorflow，我们不想花几个月的时间进行再培训。
如何将caffemodel权重文件转换为TensorFlow权重文件？
我试过，但它不适用于有多个顶层的咖啡馆模型。
浏览 1提问于2017-09-07得票数 1
我在急切的执行中使用TensorFlow 1.12，并且为了调试目的，我希望在训练期间检查渐变和权重的值。使用TensorBoard获得了很好的权重图和历次梯度分布图，这就是我想要的。然而，当我使用时，我得到了以下内容：
WARNING:tensorflow:Weight and gradient histograms not supported for eagerexecution, setting `histogram_freq` to `0`.
换句话说，这与急切的执行不兼容。还有其他方法来打印渐变和/或奇异值吗？大多数非TensorBoard的答案似乎依赖于基于图形的执行。
浏览 1提问于2019-09-08得票数 6
回答已采纳
1回答
当使用tensorflow.keras.layers.activation中的“普通”keras层时，可以使用layer.get_weights()获得层的权重。这通常会返回一个numpy数组列表。对于LeakyRelu，这个列表是空的。
期望值:以Numpy数组列表的形式表示的层的权重实际:空列表
浏览 0提问于2019-08-06得票数 0
我已经训练了一个深度学习网络，它有一个预先训练过的ELMO层。我使用下面的代码保存了模型和权重。
model.save("model.h5")
model.save_weights("weights.h5")
我现在需要加载负载，但我不确定什么是正确的方式。我试过两种技术，但都失败了。
1:尝试只加载模型，但由于get_config错误而失败
import numpy as np
import io
import re
from tensorflow import keras
elmo_BiDirectional_model = keras.models.l
浏览 5提问于2021-11-09得票数 0
我已经使用tensorflow构建了word2vec模型，参考这里：
我的问题是，我如何找到某个单词的前n个相似的单词。我知道在gensim中，我可以保存并加载word2vec模型，然后使用model.most_similar来查找我在tensorflow中的want.but方式，甚至还有什么方法可以在tensorflow中保存模型，因为我发现我得到的只是一个嵌入向量，对吗？
浏览 1提问于2016-12-13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
实时音视频
对象存储
即时通信 IM活动推荐
腾讯云开发者
