1回答
我已经将我在Python中的tensorflow从1.14更新到了2.0。现在我遇到了一个梯度计算的问题，为了查看一个层的GradCam可视化。例如，如果我想为一个名为"conv2d_3“的层”计算gradCam“，我会从1.14中的以下内容开始：
layer_conv = my_cnn_model.get_layer( "conv2d_3", 76, 76, 64),
浏览 15提问于2020-02-06得票数 0
回答已采纳
我正在尝试在tfjs中实现GradCam (https://arxiv.org/pdf/1610.02391.pdf)，基于下面的Keras教程(http://www.hackevolve.com/where-cnn-is-looking-grad-cam/index.js)，最后是一个简单的密集的、完全连接的层。但是，我无法检索gradcam计算所需的梯度</em
浏览 18提问于2019-04-11得票数 0
回答已采纳
1回答
我已经训练了一个网络，并以mynetwork.model的形式保存了它。我想应用梯度凸轮使用我自己的模型，而不是VGG16或ResNet等。apply_gradcam.pyfrom Grad_CAM.gradcam import GradCAM
from tensorflow.keras.applications中所看到的，使用了VGG16或ResNet预先训练的模型。我想用我自己训练过
浏览 6提问于2021-02-13得票数 7
回答已采纳
在TF-2.0中，我使用梯度可视化和传递学习得到了一个错误。梯度可视化在不使用迁移学习的模型上工作。我认为命名约定或将输入和输出从基本模型vgg16连接到我要添加的层有一个问题。真的很感谢你的帮助！我不知道什么是正确的方式来标记输入和输出。() as tape: loss = predictions[:, 1]
下面的部分是绘制<e
浏览 18提问于2020-03-10得票数 8
回答已采纳
1回答
我正在尝试像这样实现GradCam，。from tensorflow import keras as Kx = K.layers.Dropout(0.25)(x)
x = K.layers.Dense(1, activatio
浏览 1提问于2021-05-19得票数 1
回答已采纳
1回答
我理解，只要我在tf.GradientTape()上下文中定义一个计算，梯度磁带就会计算出计算输出所依赖的所有变量。但是，我认为我并没有完全理解梯度的子属性，因为下面的代码没有像我期望的那样执行：x = tf.Variable(2.)
loss_ = x**2-2*x为什么不计算梯度wrt？我只能
浏览 6提问于2020-06-01得票数 0
1回答
访问Keras功能模型中的中间层
、、、、
我使用的迁移学习模型非常类似于中解释的模型。为了避免批处理归一化层的问题，如指南和许多其他地方所述，我必须插入原始的预训练基础模型作为功能模型，并使用training=false选项，如下所示： model = Model(inputs, outputs=headModel)
我的问题是，我需要使用中的</e
浏览 4提问于2021-02-25得票数 0
我理解，只要我在tf.GradientTape()上下文中定义一个计算，梯度磁带就会计算出计算输出所依赖的所有变量。但是，我认为我并没有完全理解梯度的子属性，因为下面的代码没有像我期望的那样执行：x = tf.Variable(2.)
loss_ = x**2-2*x为什么不计算梯度wrt？我只能
浏览 0提问于2020-06-01得票数 2
我有一个经过训练的Tensorflow 2.0模型(来自tf.keras.Sequential())，它采用一个输入层，有26列(X)，并生成一个带有1列(Y)的输出层。在Tf1.x中，我能够通过以下方法计算输出相对于输入的梯度：sess = K.get_session()
grad_func = tf.gradients(model.output
浏览 19提问于2019-12-02得票数 8
回答已采纳
1回答
我对tensorflow相当陌生，我看过一些教程，但我不知道tf.gradients()是如何工作的。如果我给它两个二维矩阵的输入，它将如何计算偏导数？我真的很困惑，请帮助我，如果你可以，这将是一个很大的帮助。import tensorflow as tfy = np.random.rand(2,2)
with tf</
浏览 4提问于2017-05-12得票数 2
回答已采纳
如果在网络向前通过的部分中使用该权重张量之后，对该权张量应用赋值运算，那么TensorFlow的反向传播在确定该权重的梯度时是否考虑了分配操作？例如，如果我有bias = tf.Variable(...) output2 = tf.identity(output)
浏览 9提问于2017-06-04得票数 2
tf.gradientstf.train.RMSPropOptimizer(LR_RATE).compute_gradients
如果有什么不同，比如说我想使用tf.train.RMSPropOptimizer
浏览 7提问于2016-12-23得票数 4
因此，我建立了我能做的最简单的模型(感知器/自动编码器)，它(除了输入生成)如下： x = tf.placeholder(tf.float32, shape=(None, 64, 64, 3), name="x")
W = tf.Variable(tf.rando
浏览 1提问于2017-12-28得票数 2
回答已采纳
我想得到tf.cholesky的梯度相对于它的输入。到目前为止，tf.cholesky还没有注册梯度：用于生成此错误的代码是：A = tf.diag(tf.ones([3]))
chol =
浏览 3提问于2015-11-27得票数 5
回答已采纳
1回答
我最近读了一段Pytorch代码，遇到了loss.backward()和optimizer.step()函数，有没有类似于使用tensorflow/keras的函数呢？
浏览 2提问于2020-05-05得票数 6
1回答
我有一个分割网络模型训练了两个班，并能够看到准确的结果。但是，当使用梯度凸轮作为热图时，我能够看到两个类的最后一个卷积层的良好结果，但是当试图为其中一个类生成第二个卷积层的热图时(另一个类的热图工作得很好)会出现问题。convolution_layer(filters:2, kernel:3*3)activation_layer(softmax)
热映射是空的，因为所有负的</
浏览 11提问于2022-04-18得票数 1
1回答
我有一个tensorflow表达式，我想要使用不同的表达式，这取决于我是要计算向前还是向后(梯度)传递。具体来说，我想忽略一些随机(噪声)添加到网络在反向传递的影响。下面是一个简化的例子import tensorflow as tf
y = x**2
u = tf.random_uniform(tf</em
浏览 1提问于2018-04-10得票数 3
回答已采纳
我想在Tensorflow中计算张量"Y“相对于参数矩阵"X”的梯度。具体地说，我只想计算"X“的一组给定”索引“的梯度。下面的代码首先计算整个渐变，然后返回与所需索引对应的渐变：grad=tf.gradients(Y,X)使用T
浏览 1提问于2016-06-28得票数 4
请有人用简单的术语和例子来解释一下，在执行conv2d前传之后，这些操作是如何工作的。让我补充一下这个问题-- conv2d_backprop_filter和tf.nn.conv2d_backprop_input之间有什么区别？
浏览 7提问于2017-03-15得票数 2
回答已采纳
由tf.gradients()或optimizer.compute_gradients()获得的渐变是否已经被取反了？例如，对于梯度下降，我们知道方向应该设置为负梯度，-E'(W)，其中E'(W)是梯度，E(W)是损失。而且，在Tensorflow中，通过tf.train.GradientDescentOptimizer.compute_gradients()，()或tf.gradients()，我们可以获得梯度。
浏览 5提问于2019-05-17得票数 2
云服务器
ICP备案
对象存储
云直播
腾讯会议
腾讯云开发者
