通常，要使用TF图，必须将原始数据转换为数字值。我将此过程称为预处理步骤。例如，如果原始数据是一个句子，一种方法是对句子进行标记，并将每个单词映射到一个唯一的数字。这个预处理为每个句子创建了一个编号序列，这将是模型的输入。当使用TensorFlow服务为TF
浏览 2提问于2017-09-28得票数 45
1回答
我正在设计一个使用TensorFlow Serving的句子分类服务。 我成功地启动了docker服务器，请求了预测，并收到了预测结果。 我的模型有两个输入层和一个输出层。dense_2 (Dense) (None, 104) 43368 concatenate[0][0] 现在我的服务的输入格式和输出格式都是向量客户端(用户)必须向量化他们的输入字符串，并且他们必须执行argmax和ma
浏览 32提问于2019-09-04得票数 0
利用TF2.0和tfp概率层，构造了一个keras.sequential模型。我想导出它用于与TensorFlow服务一起服务，而我想在可服务中包括预处理和后处理步骤。我的预处理步骤相当简单--用显式值填充NAs，将几个字符串编码为浮点数、规范化输入和去规范化输出。为了训练，我一直在对熊猫和裸皮做前/后处理。我知道我可以导出我的Keras模型的权重，将keras.sequ
浏览 0提问于2019-03-21得票数 2
我希望主持5个深入学习模型，其中数据预处理/后处理是必需的。
使用TF服务(和Kubernetes管理容器)托管每个模型似乎很简单，但是如果是这样的话，数据预处理和后处理应该在哪里进行？
浏览 4提问于2019-10-19得票数 2
回答已采纳
我有许多tensorflow模型，它们利用第三方库(即Gensim)在训练和评估之前对数据进行预处理。当查询模型进行预测时，也需要进行同样的预处理。如果使用tensorflow-serving或托管的Google ML解决方案，我是否可以将第三方库和自定义预处理步骤与模型捆绑在一起，并让这两个服务解决方案中的任何一个运行它？或者，如果我想使用第三方库，我必须在客户
浏览 14提问于2018-02-13得票数 2
我已经在Tensorflow中训练了一个模型，所以可以产生的最大输出值是1.0。然后我将其转换为Tensorflow Lite以放在android上，现在Tensorflow Lite模型产生的值远远大于1.0。我能做些什么来解决这个问题呢？我使用的是Tensorflow 2.5converter = tf.lite.TFLiteConverter.from_saved_model("/content/
浏览 25提问于2021-06-09得票数 0
回答已采纳
1回答
我可以在tensorflow之外执行此操作，作为训练数据准备的一部分，但是在调用(存储的)模型之前，我需要对预测请求数据执行相同的过程。有没有一种方法可以在tensorflow本身中实现这种转换，以便转换既用于训练又用于预测？
如果转换需要整个数据集的知识，例如标准化，这个问题就会变得更加恼人。
浏览 2提问于2018-03-31得票数 1
我在python中训练了一个模型，并将其转换为适用于android平台的tensorflow lite格式。问题是如何做我用python在Java中做的事情/处理。在网上繁琐地搜索了一遍之后，没有。例如:如何在Java中仿真预处理/归一化算法，即对图像进行预处理和后处理。
另外，如果使用量化模型进行推理，在代码中进行哪些更改，以及如何实现将多个输入传递到模型。.
浏览 8提问于2020-05-23得票数 1
1回答
AskTensorFlow
我使用了tensorflow打包的数据集，如MNIST，IMDB来研究tensorflow的工作原理。然而，在实际应用中，我们必须自己对数据集进行预处理和准备。假设我正在处理图像数据集，所以我想将它们预处理为可以输入到tensorflow模型中的格式。如何将图像数据集预处理为tensorflow格式？
浏览 2提问于2018-11-17得票数 0
2回答
我正在尝试理解如何实现机器学习算法，其中预处理和后处理在AWS Sagemaker中是一项繁重的任务。问题是，一旦训练了算法，在预测新数据之前，我需要对数据进行预处理(自定义NLP预处理)。一旦算法做了预测，我需要接受这个预测，做一个后处理，然后将后处理的数据发送到S3。── train.py 因此
浏览 0提问于2020-06-05得票数 3
我想将我的自定义预处理逻辑包含在导出的Keras模型中，以便在Tensorflow服务中使用。服务中使用，我想将所有预处理逻辑合并到模型本身中(在导出的模型文件中编码)。Q:我怎样才能只使用Keras库呢？我知道Tensorflow有内置的字符串拆分、<
浏览 6提问于2017-01-16得票数 19
回答已采纳
1回答
现在，预处理例程从SSD中获取数据，进行预处理，并形成用于学习的数据结构。所有这些时间，ML培训过程等待着。然后，ML过程接受这些数据并使用它来训练模型。现在预处理在等待。然后他们就绕来走去。每一步训练算法都采用随机子集对模型进行训练(用TensorFlow在GPU上进行训练)。
同时，我希望另一个线程对下一组数据点进行预处理。当预处理就绪时，它将用新的数据结构对象代替旧的数据结构对象。
浏览 4提问于2016-07-05得票数 2
回答已采纳
如果我使用tensorflow作为Keras的后端，我需要使用keras.backend中的函数还是可以直接使用tensorflow中的函数。我只看到人们使用来自keras.backend的函数的帖子，而不是来自tensorflow的函数(即使tensorflow有更多的函数)。有没有理由这样做呢？举个玩具的例子：import tensorflow as tf
def
浏览 3提问于2018-09-27得票数 3
我们一直在使用Tensorflow进行图像分类，我们都看到了Grace Hopper上将的结果，我们得到了：suit (794): 0.0477196
浏览 0提问于2016-04-20得票数 0
1回答
目前我们有一个模型，我们将使用Tensorflow服务将该模型用于我们的API。因此，我们需要将当前的API输入数据转换为特征。由于模型的创建和模型的使用是在两个不同的代码库中执行的，并且我不希望在两个不同的代码库中进行转换(为了使它们在两个代码库中保持相同)，我正在阅读有关Tensorflow转换的内容，以便能够使用一个函数来处理训练数据和服务数据然而，我发现很难理解它在生产中如何工作。当我保存模型时，我可以包含保存预处理<
浏览 6提问于2020-08-04得票数 0
我使用TensorFlow对Ogg和MIDI数据进行机器学习，但是很多预处理都是用NumPy (使用feed_dict:s)完成的，为了简化生产部署(Google，或者可能是自我托管的TensorFlow服务)，我希望尽可能多地将其迁移到计算图中。是否有自动将NumPy转换为TensorFlow操作的方法？
浏览 5提问于2017-01-02得票数 1
在我的本地计算机上工作时，我创建了一个Tensorflow对象检测器。我已经将模型(我已经使用检查点对其进行了测试)导出到一个protobuf文件以及其他几个文件(TF lite、TF js等)。新机器只有基本的anaconda环境包和tensorflow。
浏览 14提问于2021-07-01得票数 0
1回答
这种重采样任务不是一种可以从模型中发展出来的预处理/后处理操作。换句话说，这种重采样是模型内部设计的一部分。然后，还需要为这样一个层定义梯度操作。对于重采样操作，它将使用tensorflow I/O：
是否还有其他开放源码的一维信号重采样层？
浏览 2提问于2022-03-29得票数 0
我正在使用Tensorflow扩展的预处理数据，其中包括日期值(例如表格16-04-2019年的值)。我需要对此应用一些预处理，比如两个日期之间的差异，以及从其中提取日期、月份和年份。例如，我可能需要在01-04-2019和16-04-2019年之间的天数之间存在差异，但这种差异也可以跨越几天、几个月或几年。现在，仅仅使用Python脚本是很容易做到的，但是我想知道是否也可以用Tensorflow来完成这个任务呢？对于我的用例来说，在Tenso
浏览 0提问于2019-04-16得票数 1
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
