我是TensorFlow的新手。我已经用我的训练数据成功地训练了inception_v3模型；现在我想预测几个图像的输出，但它们的数量与训练中的batch_size不同。我是这样做的：checkpoint_dir
浏览 4提问于2016-12-29得票数 0
回答已采纳
1回答
我用自定义数据集(调整大小的图像1280x1080)训练了faster_rcnn_nas模型。我的GPU是Nvidia Quadro P5000，我可以在这台计算机上测试模型。当我用GTX 1060进行测试时，它会崩溃并产生内存错误。但是，当我测试预先训练的faster_rcnn_nas时，效果很好。
预培训和定制模式之间有什么区别？有什么办法运行1060的模型吗？或者是否有任何batch_size或类似的参数需要更
浏览 5提问于2020-03-20得票数 2
我正在运行Tensorflow对象检测API来使用object_detection/train.py脚本来训练我自己的检测器，found 。我发现了一些减少批处理大小的建议，这样培训师消耗的内存就更少了，但是我从16减少到了4，而且我仍然会遇到同样的错误。不同的是，在使用batch_size=16时，在步骤~18中抛出错误，现在在步骤~70中抛出错误。编辑：设置batch_size=1没有
浏览 6提问于2017-11-27得票数 2
回答已采纳
假设我已经训练了一个Tensorflow Estimator： model_fn=model_fn, config=some_config)estimator.fit(input_fn=input_fn_train, steps=None)这个想法是一个模型适合我的MODEL_DIR。，这是我用Python语言定义的模型
浏览 19提问于2018-01-11得票数 7
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，它似乎减少了一半)，所以我升级到了25G内存的Colab pro。这并不能解决问题。有没有人有同样的问题？任何人都
浏览 10提问于2020-04-01得票数 1
1回答
在CNN MNIST的tensorflow示例中，我不理解批处理大小是如何工作的，当他们调用模型时，他们将bach的大小指定为100：x={"x": train_data},batch_size=100,mnist_classifier.train,
浏览 0提问于2018-06-20得票数 0
下面是我的代码：BATCH_SIZE = 7 VECTOR_SIZE = 3rnn_inputs = tf.unstack(x, axis = 1)Y = np.zeros([BATCH_SIZE, SEQUENCE_L
浏览 0提问于2017-09-29得票数 2
1回答
开始训练一个简单的NMT (神经机器翻译器)，注意使用编码器和解码器，训练在Colab上， encoder = Encoder(vocab_inp_size, embedding_dim, units, BATCH_SIZE)
decoder = Decoder(vocab_tar_size, embedding_dim, units, BATCH_SIZE) 然后使用检查点保存模型， # On loaclcheckpoint.save(file_prefix = checkpoint_prefix) <
浏览 14提问于2019-02-14得票数 0
回答已采纳
1回答
一般来说，我是一个Python和TensorFlow的初学者，所以这是一个非常愚蠢的问题，但我仍然被卡住了。我正在尝试创建一个图像分类器，但是我想使用我自己的数据集，而不是使用TensorFlow已经拥有的数据集(在本例中是‘beans’)。作为参考，这被称为“花检测”，图像被分为“训练”和“测试”。我正在学习一个教程，那么有没有一种方法可以更改下面这行代码来使用我自己的数据集？我是放在完整的文件夹中</em
浏览 133提问于2021-01-15得票数 1
1回答
在tensorflow的训练模型中，我有一个简单的目标，为了继续训练或者使用一些功能/操作，我以后会保存和恢复它。下面是该模型的简单示例import numpy as np
VECTOR_SIZE = 1all_ops = graph.g
浏览 2提问于2017-10-08得票数 1
回答已采纳
在tensorflow中，模型是用训练数据建立的，但我想知道如何用训练数据计算出测试数据的准确性。correct_prediction, "float"))correct_prediction使用训练数据完成，accuracy.eval()用于通过测试数据集。请解释一
浏览 0提问于2016-06-20得票数 0
回答已采纳
我一直在与"dynamic_rnn“一起创建一个模型。Xinputs.dtype)这对训练过程非常有用问题是，一旦我进入推理，其中我的BatchSize = 1，我得到一个错误，因为rnn“状态”不匹配新的新的鑫get形状。我尝试了许多不同的方法，但都没有奏效。我不想通过fee
浏览 1提问于2017-01-16得票数 2
回答已采纳
我正在使用tensorflow 1.4来训练一个像U-net这样的模型。由于硬件的限制，在训练时，batch_size只能设置为1，否则会出现OOM错误.在我的工作中</e
浏览 0提问于2018-05-30得票数 0
回答已采纳
我在tensorflow/keras中定义了一个LSTM模型，如下所示。我只包含与该问题有关的相关细节。这是因为上面代码中的l4行应该是我的问题是，对于原始代码，当传递给fit()方法的Y_train_seq的形状是(275268)时，为什么Tensorflow/Keras在训练
浏览 0提问于2020-05-26得票数 1
(optimizer=optimizer, loss=loss)训练模特。示例 embeddings = tf.get_variable( 'embeddings',
initializerKeras使用的是Tens
浏览 0提问于2019-01-05得票数 12
回答已采纳
我正在看的性能和GPU的使用，在培训美国有线电视新闻网的模式与Keras+TensorFlow。类似于，我很难理解Keras model.fit的steps_per_epoch和TensorFlow的Dataset API的.batch()的联合使用:我在输入管道dataset = dataset.batch//batch_size)
但我看到，实际上每个时代都可以设置任意数量<
浏览 0提问于2019-02-07得票数 7
回答已采纳
假设我们有三个不同长度的桶。那么我们要训练三个不同的网吗？我们不能保留一个动态RNN吗？其中，它将根据编码器中输入序列的长度添加单元。然后编码器将最后的隐藏状态传递给解码器。它能用吗？
浏览 0提问于2017-06-08得票数 1
(...)中，以获得实时增强的功能。但是这个flow(...)方法接受与tf.data.Dataset对象无关的NumPy数组。tf.image转换是实时的吗？，还有什么是最好的方法？我的代码：import tensorflow_datasets as tfds
from tensorflow.keras.
浏览 4提问于2019-11-28得票数 3
我正在使用tensorflow后端在Keras中训练一个序列模型。我还包括了一些回调，以保存检查点，并在模型开始过度匹配时恢复到最佳权重(它会这样做)。我的问题--当使用这组回调进行拟合时，最终的检查点是否包含具有最佳权重的模型版本？我知道classif_model中的权重将恢复，但我不确定这是否也适用于最终保存的状态。checkpointer, earlystopping]
#
浏览 0提问于2019-04-15得票数 3
回答已采纳
我想预测测试中的每个图像是属于第1类还是第2类。val精度均大于80%，我将其重新加载以进行预测：然后我想预测测试目录中的一组图像=16当我
浏览 4提问于2022-02-15得票数 1
云服务器
ICP备案
云直播
对象存储
实时音视频
腾讯云开发者
