我正在编写一段tensorflow代码，希望在每次更新后对变量向量进行标准化。optimizer.minimize(loss)
sess.run(train) print(temp2) 但是，如果我改变了至tf.sqrt(tf
浏览 3提问于2017-07-26得票数 0
回答已采纳
2回答
我使用一个简单的Keras模型来进行序列预测。在训练过程中，模型的预测精度似乎是正确的。但是，当我绘制model.predict()函数的输出时，我可以看到输出已经以某种方式被缩放了。它似乎是某种规范化/标准化的缩放类型。
在培训中更改批处理大小会影响结果。我尝试将批处理大小设置为输入集的大小，以便在一个批处理中完成整个系列的培训，从而
浏览 3提问于2017-05-21得票数 1
回答已采纳
1回答
这里有四个变量:伽马，贝塔，平均移动平均，方差移动平均。对于tensorflow中的批处理规范化的，是否需要将批处理均值和批变量从培训时间转移到测试时间？如果是这样的话，我如何才能在tensorflow中实现这一点？
浏览 1提问于2016-02-26得票数 0
回答已采纳
1回答
当我训练一个Resnet时，混洗后的验证集的准确性与未混洗的版本不同，训练集也是以同样的方式混洗的。 vloss = np.mean(loss_list)从理论上讲，vali集的顺序不
浏览 0提问于2019-01-31得票数 0
1回答
批量归一化中的尺寸
、、、
我试图在Tensorflow中构建一个广义的批处理规范化函数。[57,57,96]
我需要比例尺和β具有与卷积层输出相同的维数这是我的</e
浏览 4提问于2017-04-14得票数 0
回答已采纳
当使用Tensorflow 2对象检测api时，我会对不同大小的图像进行规范化处理。我是否对所有图像进行预处理，使其大小相同，然后用对象包围框进行注释？或者，模型是否以某种方式在内部进行调整并调整预测的边界框？预先训练过的模型似乎有一个预先设定的尺寸。
浏览 11提问于2022-06-27得票数 0
回答已采纳
2回答
我正在使用tensorflow的DNNRegressor。想知道是否规范化(应用日志或逆变换等)我的数值预测变量将有助于提高模型性能，如果是的话，基本逻辑是什么？MSE正被用于训练损失。
浏览 0提问于2018-04-23得票数 0
1回答
我正在使用Tensorflow对自己的数据集做神经网络预测。我做的第一件事是在我的计算机中使用一个小数据集的模型。在此之后，我稍微修改了代码，以便使用具有更大数据集的Google Engine在ML引擎中实现火车和预测。
我正在规范熊猫数据中的特性，但是这引入了倾斜，我得到了糟糕的预测结果。我发现的主要问题是当我试图做预测的时候。我正在寻找互联网，但我没有发现任何的例子导出模型，在培训中数据是<em
浏览 3提问于2017-09-28得票数 7
回答已采纳
2回答
我的数据集在TensorFlow Dataset管道中，我想知道如何对其进行标准化，问题是为了标准化，您需要加载整个数据集，这与TensorFlow Dataset的用途完全相反。那么如何对TensorFlow Dataset管道进行规范化呢？如何将其应用于新数据？(即用于进行新预测的数据)
浏览 29提问于2020-07-07得票数 1
如何将图像矢量化、整形和规范化，使其与mnist.train.images中某一图像的大小矢量相同？到目前为止，我已经尝试了以下几种方法，但都没有成功：import reimport tensorflow as tfimport os,sysfrom PIL import Image
from tens
浏览 1提问于2017-07-23得票数 1
回答已采纳
在对BERT进行微调分类后，模型大小约为1.3 is，而预训练的模型大小约为400MB。这是由于与模型一起保存的与Adam相关的其他变量造成的，保存时可以删除这些变量，如TensorFlow 1.x的中所述。
在TensorFlow 2.x中如何做到这一点？
浏览 5提问于2020-05-28得票数 0
1回答
我尝试在我自己的数据集中训练ssd-mobilenet :训练图像: 3400与大小:1600*1200测试集:800与大小:1600 *1200 tensorflow -gpu :1.13.1 gpu:4GB cuda 10.0 cudnn 7对象:道路损伤像碰撞裂纹，但在197000步之后，我的训练损失不能下降2。在使用ssd_mobilenet这样的预训练模型之前，我应该标准化我的训练和设置图像吗？如果是的话，我是否应该对图像进行规范化注释？我真
浏览 2提问于2019-08-14得票数 1
1回答
我试图通过遵循创建一个简单的神经网络，但是当我想将数据规范化时，我遇到了一个问题。import tensorflow as tf
(，在最后两行中，如您所见，我试图将数据规范化，如所示，但是在执行这一行之后，变量training_images只有10,000个样本，而不是60,000个(就像在开始时那样)，现在当我尝试拟合模型(model
浏览 0提问于2018-08-28得票数 3
回答已采纳
我知道Keras可以使用TensorFlow或Theano作为后端。在我的例子中，我使用的是TensorFlow。所以我想知道:有没有办法用Keras写一个NN，然后在TensorFlow中打印出相应的版本呢？ypred = model.predict(Xtest, batch_size = 32) result = model.evaluate(Xtest)
这段代码可能是错的，我想要做的是写下这段代码，运行它(
浏览 2提问于2017-10-18得票数 2
回答已采纳
我注意到tensorflow的api中已经有了批处理规范化函数。但我不明白的一件事是，如何在训练和测试之间改变过程？有没有一些很好的示例代码？我看到了一些，但对于作用域变量，它变得令人困惑
浏览 0提问于2016-05-02得票数 5
1回答
我用的是Anaconda和Tensorflow神经网络。我的大部分数据都是用pandas存储的。我对此相当陌生，所以如果我做错了什么或做错了什么次优，请告诉我。以下是我如何获取和处理数据：
从每个下载的数据集中选择所需的列。)) /
浏览 4提问于2017-04-13得票数 2
回答已采纳
1回答
在tensorflow中，有一个众所周知的批处理标准化，它将权重更新操作添加到tf.GraphKeys.UPDATE_OPS中。但是在实例规范化的情况下，没有添加update op。但是对于tf.contrib.layer.instance_norm和tf.contrib.layer.group_norm，没有这样的参数，也没有向tf.GraphKeys.UPDATE_OPS添加op这是正确的行为，还是tensorflow中的错误？那么实例规范
浏览 55提问于2019-02-10得票数 3
回答已采纳
支持这样的指令，即这个TensorFlow二进制文件没有编译使用: SSE4.2 AVX AVX2 FMA错误:tensorflow:无法识别用于收集trainable_variables的数据类型。错误:tensorflow:无法识别收集trainable_variables的数据类型。跳过。错误:tensorflow:无法识别收集trainable_variables的数据类型。跳过。错误:tensorflow:无法识别收集tra
浏览 1提问于2018-03-20得票数 1
回答已采纳
1回答
我正在尝试将我的pytorch模型转换为tensorflow模型，以便与tensorflowJS一起运行。我使用以下代码将onnx模型转换为tensorflow模型-from onnx_tf.backend import prepareonnx_model = onnx.load此外，我尝试使用onnx.js直接运行onnx模型，但在图像规范化和大小调整方面遇到了问题。因此，我决定切换到tfjs。
浏览 88提问于2021-02-20得票数 2
回答已采纳
我需要使用类似于sklearn.MinMaxScaler的东西来规范化我的数据，但我只需要使用原生TensorFlow并将其应用于TensorFlow Dataset API。 怎么做呢？
浏览 11提问于2020-07-07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
腾讯会议
对象存储
云直播活动推荐
腾讯云开发者
