无法启用Tensorflow急切执行
TensorFlow是一个开源的机器学习框架，它提供了丰富的工具和库，用于构建和训练各种机器学习模型。TensorFlow支持两种执行模式：图执行模式和急切执行模式。
急切执行（Eager Execution）是TensorFlow 2.0版本引入的一种执行模式，它使得开发者可以像编写Python代码一样即时执行TensorFlow操作，而无需构建计算图。相比于图执行模式，急切执行模式更加直观和灵活，适合快速原型开发和调试。
在TensorFlow中启用急切执行非常简单，只需在代码的开头添加以下两行代码：
import tensorflow as tf
tf.compat.v1.enable_eager_execution()启用急切执行后，TensorFlow会立即执行每个操作，并返回结果。这样可以方便地进行调试和验证，同时也提高了代码的可读性和易用性。
急切执行模式的优势包括：
- 即时执行：无需构建计算图，可以立即执行操作，方便调试和验证模型。
- 动态控制流：可以使用Python的控制流语句（如if、for等）来动态构建模型，更加灵活。
- 更好的可读性：代码更加直观，更接近传统的Python编程风格。
- 更容易学习和使用：对于新手来说，急切执行模式更容易理解和上手。
TensorFlow提供了丰富的API和工具，用于在急切执行模式下进行模型构建、训练和推理。以下是一些常用的TensorFlow急切执行相关的API和工具：
- tf.GradientTape：用于计算梯度的上下文管理器，可以方便地计算变量的梯度。
- tf.data.Dataset：用于处理和预处理数据的工具，可以方便地构建输入数据管道。
- tf.keras：高级API，用于构建和训练神经网络模型。
- tf.function：将Python函数转换为TensorFlow图的装饰器，提高代码的性能。
- tf.saved_model：用于保存和加载模型的工具，方便模型的部署和共享。
在腾讯云上，可以使用腾讯云AI Lab提供的AI平台（https://cloud.tencent.com/product/ai-lab）来进行TensorFlow急切执行模式的开发和部署。该平台提供了丰富的资源和工具，方便用户进行机器学习和深度学习的开发工作。
相关·内容
在没有keras的情况下，你能在tensorflow中做急切的执行吗？我在TensorFlow图形代码中有一个非神经网络模型，可以移动到eager。这是一种用于推荐系统的低秩矩阵分解。
Python语言。
谢谢
要求回答者请演示工作代码。如果答案包括猜测，请明确说明。
浏览 3提问于2018-09-19得票数 0
1回答
我在tensorflow 2.0.0中使用keras (tensorflow 2.0.0)，我有一个网络，它的输入是图像，输出也是图像。我想结合MSE，MSE在VGG的特征空间和其他一些损失，这取决于中间层的输出。我在定义一个定制的损失函数。我能够建立模型，编译自定义损失。但是当我用fit_generator训练的时候，我得到了一个SymbolicException在说Inputs to eager execution function cannot be Keras symbolic tensors
全码
列车档案：
def __init__(self, gray_images: bool,
浏览 1提问于2019-12-19得票数 5
回答已采纳
我正在训练以运行行tf.config.run_functions_eagerly(True)，但我得到了错误
AttributeError: module 'tensorflow' has no attribute 'config'
我的Python版本是3.9.2，我使用的是Tensorflow 1.8.0和Keras 2.1.5。我怎样才能克服这个错误？
浏览 2提问于2021-03-23得票数 0
回答已采纳
我试图从修改代码
我得到了一个错误：
tf.enable_eager_execution must be called at program startup.
我认为它来自于这些代码行：
from __future__ import print_function
import make_dataset
import tensorflow as tf
import tensorflow.contrib.eager as tfe
tf.enable_eager_execution()
此外，我认为我需要紧急执行的原因是因为在我的with tf.session块中：
使用tf.Session()作
浏览 1提问于2018-05-11得票数 6
1回答
问题描述
我试图在TensorFlow 2.3.0中编写一个自定义丢失函数。要计算损失，我需要将y_pred参数转换为numpy数组。但是，我无法找到一种方法将它从<class 'tensorflow.python.framework.ops.Tensor'>转换为numpy数组，尽管似乎有TensorFlow函数可以这样做。
代码示例
def custom_loss(y_true, y_pred):
print(type(y_pred))
npa = y_pred.make_ndarray()
...
if __name__ =
浏览 11提问于2020-09-13得票数 9
回答已采纳
1回答
我有一个名为imdb的tensorflow数据集。如何打印此数据集的前5条记录(包括标头)？我正在寻找类似于熊猫dataframe.head()的东西。一些数据集也可以有图像。
import tensorflow_datasets as tfds
imdb, info = tfds.load("imdb_reviews", with_info=True, as_supervised=True)
代码print(type(imdb))返回<class 'dict'>。我知道tfds.show_examples只支持图像。谢谢。
浏览 2提问于2020-05-07得票数 1
回答已采纳
在tensorflow 2.0上运行一个DDPG增强学习程序。对于我使用的批处理大小，培训非常慢，所以我希望在一个单独的线程中运行培训，而不是执行。
但是，当尝试在一个单独的线程上训练Tensorflow模型时，我遇到了一些问题。
首先是图形错误：
Tensor("dense_2/kernel/Read/ReadVariableOp:0"，ValueError： shape=(3，9)，dtype=float32)必须与张量(“Const:0”，shape=(32，3)，dtype=float32)相同。
通过从训练线程上的主线程还原图形，可以很容易地解决这个问题：
with
浏览 4提问于2019-12-12得票数 0
回答已采纳
1回答
我有一个安装了Tensorflow 2.0.0-beta1的conda环境。但是，每当我导入tensorflow并尝试启用急切执行时，我都会收到错误：
AttributeError: module 'tensorflow' has no attribute 'enable_eager_execution'
我为此运行的唯一代码是：
import tensorflow as tf
print(tf.__version__)
tf.enable_eager_execution()
这是tensorflow 2.0 beta模块的错误还是我的安装有问题？
浏览 58提问于2019-07-26得票数 1
回答已采纳
在TensorFlow2.0中，一些变量可以描述为'UnreadVariable'
对于ex：
b = tf.Variable([4,5], name="test")
print(b.assign([7, 9]))
# Will print
# <tf.Variable 'UnreadVariable' shape=(2,) dtype=int32, numpy=array([7, 9], dtype=int32)>
什么意思？
浏览 125提问于2020-03-17得票数 3
我安装了Python2.6和TensorFlow 3.9。但是，我得到以下错误： tf.enable_eager_execution()
AttributeError: module 'tensorflow' has no attribute 'enable_eager_execution' 当我运行tf.executing_eagerly()时，我得到了False。 我重新安装了TensorFlow，但仍然收到相同的错误。
浏览 45提问于2021-10-24得票数 1
我根据Tensorflow的官方教程安装了环境，但是示例代码没有正确运行：
安装anacondaInstall python的conda create --name tensorflow python=3.7.4Install tensorflow by pip install --upgrade --ignore-installed tensorflowCreate，一个新的项目，并选择现有的解释器，该解释器i installedRun在pycharm中的代码
我错过了什么步骤吗？
import tensorflow as tf
import os
os.environ['TF_CP
浏览 1提问于2019-11-11得票数 0
回答已采纳
我只是尝试在shell中启用急切的执行，它实际上显示了一个错误：
AttributeError: module 'tensorflow' has no attribute 'enable_eager_execution'
我的Tensorflow版本是2.0
有人能告诉我为什么我要得到这个..。
提前感谢
浏览 4提问于2019-10-16得票数 14
回答已采纳
当使用tensorflow计算MSE时，我得到了错误AttributeError：'Tensor‘对象没有属性'numpy'，原因是我需要禁用急切执行(tf.disable_eager_execution())。问题:在TensorFlow中禁用急切执行时，如何计算均方误差？代码如下所示(我使用的是最新版本的tenorflow)：
tf.disable_eager_execution()
mse = tf.keras.losses.MeanSquaredError()
MSE = mse(y_true, y_prediction).numpy()
浏览 10提问于2021-08-26得票数 0
我目前正在学习Coursera深度学习课程，给定的Tensorflow代码是用Tensorflow 1语法(使用会话)编写的，我还没有找到如何重写它来与Tensorflow 2一起工作。
这是非常简单的代码：
import numpy as np
import tensorflow as tf
y_hat = tf.constant(36, name='y_hat')
y = tf.constant(39, name='y')
loss = tf.Variable((y-y_hat)**2, name='loss')
init = tf.g
浏览 15提问于2020-02-05得票数 1
回答已采纳
我正试图使用TensorFlow来解决线性回归问题&我遇到了这个RuntimeError：“当启用了急切的执行时，传递给Optimizer.compute_gradients的loss应该是一个函数。”在执行以下代码中的“train=optimizer.minimize(丢失)”之后：
A= tf.Variable(20.0)
B= tf.Variable(30.2)
Y=a* train_x +b
损失= tf.reduce_mean(tf.square(y - train_y))
优化器= tf.compat.v1.train.GradientDescentOptimizer(0.
浏览 3提问于2020-06-22得票数 0
我已经在tensorflow v2.0和v1.12.0 (使用tf.enable_eager_execution() )中尝试了这一点。因此，显然，如果我用下面显示在我的numpy()函数中的代码片段来调用main()，它就能很好地工作。但是，如果我在我的估计器模型函数(即model_fn(features, labels, mode, params) )中使用它，那么它就会抱怨'Tensor' object has no attribute 'numpy'。
ndarray = np.ones([3, 3])
tensor = tf.multiply(ndar
浏览 1提问于2019-03-13得票数 2
回答已采纳
当我运行代码时，我得到了这个错误。我正在使用来自深度卷积生成对抗网络的Tensorflow网站的指南，我从该网站复制/粘贴。
我在stackoverflow上看过其他问题，但都没有回答我的问题。
from __future__ import absolute_import, division, print_function, unicode_literals
import tensorflow as tf
import glob
import imageio
import matplotlib.pyplot as plt
import numpy as np
import os
import
浏览 10提问于2019-08-01得票数 0
当我使用函数时，as_numpy_iterator()出错了
RuntimeError跟踪(最近一次调用)在() ->1映像= get_image_data(image_paths)中
1帧/tensorflow-2.1.0/python3.6/tensorflow_core/python/data/ops/dataset_ops.py在as_numpy_iterator(self) 488“”489如果不是context.executing_eagerly()：-> 490举起RuntimeError(在跟踪“491”函数时不支持“as_numpy_iterator()”)co
浏览 9提问于2020-02-03得票数 6
# Build a graph.
a = tf.constant(5.0)
b = tf.constant(6.0)
c = a * b
# Launch the graph in a session.
sess = tf.compat.v1.Session()
# Evaluate the tensor `c`.
print(sess.run(c))
上面的代码取自tensorflow核心r2.0文档，但它给出了上面的错误
浏览 5提问于2019-11-05得票数 0
1回答
我试图为python中的网络构建一个tensorflow图，其中我需要张量(标量值)作为np.array的索引--代码片段如下所示：
def get_votes(input, classnum):
in_shape = input.get_shape().as_list()
votes = np.zeros([classnum])
for i in range(0,in_shape[0]):
print(input[i])
votes[input[i]]=votes[input[i]]+1
输入是一维张量。
我得到的错误是：
"C
浏览 2提问于2020-07-09得票数 1
回答已采纳
1回答
我正在使用TF2.0中的一些LSTM层。为了训练目的，我使用回调LearningRateScheduler，为了速度目的，我禁用了Tensorflow (disable_eager_execution)的急切模式。但当我同时使用这两种功能时，tensorflow会发出警告：
Operation ... was changed by setting attribute after it was run by a session. This mutation will have no effect, and will trigger an error in the future. Either d
浏览 14提问于2019-12-13得票数 2
我不确定这是Tensorflow bug还是我对这个函数应该做什么的误解，但是我不能让tf.py_function在图形模式下返回一个EagerTensor。因此，对该函数的输出调用.numpy()失败。
这个问题可以使用正式文档()中给出的确切例子来再现：
import tensorflow as tf
tf.compat.v1.disable_eager_execution()
def log_huber(x, m):
if tf.abs(x) <= m:
return x**2
else:
return m**2 * (1 - 2 * tf.math.l
浏览 13提问于2022-07-31得票数 1
我使用的是旧版本的TensorFlow (例如v1.4)。我想使用TensorFlow models ()中的模型，但我不确定模型的哪个版本与正确的TensorFlow版本相对应。
我猜测v1.4tf对应v1.4tf模型。但是这个假设对于v1.4之前的TF版本没有意义，比如v1.1。
有人知道这件事吗？
浏览 0提问于2018-03-20得票数 2
我刚开始学习python，并想学习在PyCharm上的实现。我调试了代码，但无法看到/可视化矩阵的输出值。我只收到了这个h_conv1 = tf.nn.relu(conv1d(x_image, W_conv1) + b_conv1)这个Tensor("Relu:0", shape=(?, 1, 200, 196), dtype=float32)。据我所知，这个输出张量是1*200维的196个矩阵。但是，我想知道输出值在这些矩阵中。为了更清楚地理解，下面的例子如下所示：
我们有6*6* 3，3矩阵6*6，我们在每个矩阵上加了两个滤子，因此它引出了两个4*4维矩阵。我希望在调
浏览 2提问于2020-10-05得票数 0
回答已采纳
我使用TensorFlow 1.12使用急切的执行，并且我有以下(不完整)函数，其中我想检查一些中间张量：
def parse_example(example_proto, width, height, num_classes):
features = {
'image/encoded': tf.FixedLenFeature((), tf.string),
'image/height': tf.FixedLenFeature((), tf.int64),
'image/width': tf
浏览 0提问于2019-05-15得票数 1
为什么在Tensorflow中，在急切模式和图形模式下的错误消息不是相同的呢？
例如:在急切模式下运行：
import tensorflow as tf
tf.enable_eager_execution()
a = tf.random_uniform(shape=[2, 3])
a_tile = tf.tile(a, [5])
print(a_tile)
产生错误消息：
Expected multiples argument to be a vector of length 2 but got length 1 [Op:Tile]
在图形模式下运行时：
import tensorflow a
浏览 1提问于2018-08-05得票数 0
回答已采纳
问题
不能在tensorflow 1.5中使用急切执行
码
from __future__ import absolute_import, division, print_function
import tensorflow as tf
from tensorflow.python.client import timeline
tf.enable_eager_execution()
x = tf.random_normal([0,10000])
y= tf.random_normal([10000,1000])
res = tf.matmul(x, y)
# Run the
浏览 2提问于2018-08-04得票数 0
回答已采纳
y = tf.einsum('aij,jk->aik', x, W) + b
y.shape返回以下内容：
tf.Tensor 'text-representation/add:0' shape=(?, 80, 256) dtype=float32
如何将80x256数组放入numpy数组？我是tensorflow的新手，正在苦苦挣扎。谢谢。
浏览 3提问于2018-08-31得票数 0
我使用的是Tensorflow 2.2.0GPU，我有一个简单的Keras模型，它由几个密集的层和一个线性输出组成(参见下面的代码)。我正在对可变长度样本进行模型培训，当我运行代码时，会收到关于tf.function回溯的警告。据我所读，函数跟踪是昂贵的，因此性能很差。下面是代码，在我的机器上运行大约需要330秒。
#import tensorflow as tf
#tf.compat.v1.disable_eager_execution()
import numpy as np
import timeit
from tensorflow import keras
from tensorfl
浏览 4提问于2020-06-15得票数 1
回答已采纳
我试过这样做：
>>> import tensorflow as tf
>>> mul = tf.multiply(50,100)
>>> div = tf.divide(mul,50)
>>> mul
<tf.Tensor 'Mul_3:0' shape=() dtype=int32>
>>> div
<tf.Tensor 'truediv_2:0' shape=() dtype=float64>
>>> import tenso
浏览 2提问于2019-02-22得票数 10
回答已采纳
10回答
如何修复从GitHub下载的这段代码的错误。
predicted_id = tf.multinomial(tf.exp(predictions), num_samples=1)[0][0].numpy()
抛出错误
AttributeError: 'Tensor' object has no attribute 'numpy'
请帮我把这个修好！
我用：
sess = tf.Session()
with sess.as_default():
predicted_id = tf.multinomial(tf.exp(predictions),
浏览 0提问于2018-09-16得票数 87
回答已采纳
我只需输入中给出的代码，下面是我的代码：
import tensorflow as tf
print(tf.__version__)
# Build a dataflow graph.
c = tf.constant([[1.0, 2.0], [3.0, 4.0]])
d = tf.constant([[1.0, 1.0], [0.0, 1.0]])
e = tf.matmul(c, d)
# Construct a `Session` to execute the graph.
sess = tf.compat.v1.Session()
# Execute the graph and s
浏览 0提问于2019-07-26得票数 15
我定义了一个函数，它返回字符串列表的n维嵌入。 tensorflow嵌入是一个张量，可以通过 (tensor_embeddings).numpy().tolist[0] 我想了解这种访问嵌入的方式，如果下面的代码可以做同样的工作 numpy.array(embeddings).tolist[0]
浏览 31提问于2021-06-23得票数 0
当使用随Tensorflow (Tensorflow 2)嵌入的Keras时，我注意到当使用嵌入在Tensorflow中的Keras的predict()函数和来自独立Keras的predict()时，计算时间大大增加。请参阅下面的玩具代码：
import tensorflow
import keras
import numpy as np
import time
test = np.array([[0.1, 0.1, 0.1, 0.1, 0.1, 0.5, 0.1, 0., 0.1, 0.2]])
# Keras from inside Tensorflow
model_1 = tenso
浏览 6提问于2020-05-09得票数 0
回答已采纳
1回答
我正在训练一个LSTM模型，其中嵌入了输入层，词汇量约为100,000。在通过tensorboard分析培训时，我发现大部分培训时间都花在了“内核启动”(58%)上，其次是“所有其他”(36%)。换句话说，由于开销的原因，GPU大部分时间都是空闲的。高内核启动时间似乎是由嵌入层的大小驱动的。 我的问题是:如何提高训练速度？当使用大型嵌入时，是否不可避免地将大部分训练时间花在内核启动上？增加批处理大小(当前为128)会有所帮助，因为内核启动时间不依赖于批处理大小，但128已经偏高。 不确定到底什么属于“所有其他”？ 我在使用Tensorflow 2.2.0的特斯拉T4图形处理器上工作，但我在夜
浏览 13提问于2020-07-23得票数 0
我正在尝试将HDR图像导入tensorflow进行一些实验。我尝试从队列中读取HDR图像数据库，但似乎tf.reader无法读取这种类型的图像。这就是我到目前为止所做的：
filelist_queue = tf.train.string_input_producer(filelist,shuffle=True)
然后我定义了一个函数，尝试从队列中获取图像：
def gethdrimg(queue):
filepath = queue.dequeue
return imageio.imread(filpath)
我认为这是可行的，但事实证明，返回的文件路径是一个张量，不能用于i
浏览 0提问于2018-02-07得票数 0
我使用崇高的文本编辑器运行tensorflow命令，使用pythin 3.7。特别是，我试图运行：tf.enable_eager_execution()，但是我得到了错误：AttributeError: module 'tensorflow' has no attribute 'enable_eager_execution'，我已经使用：print(tf.__version__)检查了我的tensorflow版本，版本是:2.0.0-字母0。
奇怪的是，我已经完全使用pip3 uninstall tensorflow卸载了tensorflow，而且我仍然在运行该
浏览 0提问于2019-04-13得票数 1
回答已采纳
我一直在熟悉keras，没有意识到tf.keras也是一种东西(对于新手来说，很容易与python中的导入相交叉)。在尝试将脚本从keras转换为tf.keras时，命令似乎不一致？一般来说，tf.keras应该遵循keras文档，还是它们是不同的？ 我的具体问题是，这适用于keras，但不适用于tf.keras： model.compile(loss='categorical_crossentropy', optimizer='adam', metrics=['accuracy']) 这将产生错误： ValueError: optimizer
浏览 3提问于2019-03-17得票数 1
这可能是一个重复的帖子，但其他帖子对我来说都不起作用。我有tensorflow 1.14.0和tensorflow-gpu 1.14.0我已经安装了所需的兼容Cuda和Cudnn版本，并在环境变量中指定了它们的路径。但是仍然是tensorflow和/或tensorflow- GPU，无法识别我的GPU。所以验证代码的作用是： from tensorflow.python.client import device_lib
def get_available_devices():
local_device_protos = device_lib.list_local_devices()
浏览 35提问于2019-09-12得票数 0
回答已采纳
2回答
根据TensorFlow的说法，我已经在M1 (ARM) Mac上安装了。一切都很好。
然而，模型培训正在CPU上进行。如何将培训切换到GPU
In: tensorflow.config.list_physical_devices()
Out: [PhysicalDevice(name='/physical_device:CPU:0', device_type='CPU')]
在的文档中，我发现下面的有点混乱
不必对现有的TensorFlow脚本进行任何更改，就可以将ML用作TensorFlow和TensorFlow加载项的后端。对于ML，有一个可选的mlco
浏览 3提问于2021-04-19得票数 6
回答已采纳
我目前正在查看Tensorflow中的急切模式，并想知道是否可以提取用于Tensorboard的图形。我知道Tensorflow急切模式实际上没有用户必须创建的图形或会话系统。然而，据我所知，有一个在引擎盖下。这个隐藏的图形和会话可以导出以支持Tensorboard中的可视图形视图吗？还是我需要将我的模型重做成图形/会话执行的形式？
浏览 0提问于2018-05-09得票数 9
回答已采纳
我正在学习递归神经网络，我发现了CuDNNLSTM层，它比通常的最小二乘法要快得多。所以，我试着适应一个CuDNNLSTM模型，但唯一的东西，它的程序显示是"Epoch 1“，然后什么都没有发生，我的内核正在死亡(我工作在jupyter-笔记本)。在朱皮耶终点站，我发现：
2022-05-25 22:22:59.693801: i tensorflow/stream_executor/cuda/cuda_dnn.cc:384]加载了cuDNN 8100版本
2022-05-25 22:23:00.149065: e tensorflow/stream_executor/cuda/cu
浏览 1提问于2022-05-25得票数 0
回答已采纳
我已经挣扎了几天，现在试图让一个DDPG强化学习运行在覆盆子皮。
模型的批评者部分工作正常，但是模型的参与者部分不会更新。它计算一些渐变，然后运行以下命令：
self.actor_opt.apply_gradients(zip(da_dtheta, self.actor_model.trainable_variables))
不幸的是，这一行似乎什么也做不了: actor_model的权重没有更新。我验证了渐变的值似乎是有意义的。
我注意到这个函数实际上返回一个操作，所以我尝试将它赋值给一个变量并运行它：
grad_op = self.actor_opt.apply_gradients(zip
浏览 8提问于2019-12-14得票数 0
我之前在一个预先训练好的网络上添加了Tensorflow.keras中的激活和/或内核的正则化，使用了层上的循环：
if regul_what is 'kernel':
for layer in model.layers:
if isinstance(layer, DepthwiseConv2D):
layer.add_loss(regularizers.l1_l2(l1,l2)(layer.depthwise_kernel))
elif isinstance(layer, layers.Conv2D) o
浏览 4提问于2019-10-16得票数 1
在运行sess.run(init)时，我一直收到这个错误。我有基本的tensorflow 1.3知识，但现在我正在使用tensorflow 2.2并不断地得到这些错误
import tensorflow as tf
sess=tf.compat.v1.InteractiveSession()
my_tensor=tf.random.uniform((4,4),minval=0,maxval=1)
my_var=tf.Variable(initial_value=my_tensor)
init=tf.compat.v1.global_variables_initializer()
ses
浏览 3提问于2020-09-23得票数 0
回答已采纳
在运行Python代码时，调试和跟踪变量和对象值是非常容易的，但是在tensorflow中，很难看到场景背后发生了什么。我知道tensorflow在图表中工作，您必须运行这个会话。在解释代码时，是否有更简单的方法来查看这些值？我已经附上了下面的屏幕截图，您可以跟踪每个变量的值，但是，在tensorflow，我无法做到这一点。我已经很累了，我在会话中使用了tf.print()和tf.eval()。
下面是tensorflow的代码，我希望看到Z3和predict_op的值
def model(X_train, Y_train, X_test, Y_test, learning_rate=0
浏览 0提问于2019-05-04得票数 3
在TensorFlow 1.10到1.12 (使用急切执行)中，我有以下代码片段： tensor = tf.keras.layers.Conv2D(128, (3, 3), padding='same')(tensor)
tensor = tf.contrib.layers.group_norm(tensor) 然而，对tf.contrib.layers.group_norm(tensor)的调用给出了以下错误： ValueError: Attempt to convert a value (<DeferredTensor 'None' shape=(?
浏览 26提问于2019-06-14得票数 1
我是Python和tensorflow的新手。我有一点(或很多)困惑: tf.random.normal()似乎没有像预期的那样工作。 tf.random.normal()用于生成一些数据。我希望通过"tf.keras.backend.eval()“将数据打印到屏幕上，从而看到数据按预期生成。 randndata = tf.random.normal([1, 5])
print('randndata = ', tf.keras.backend.eval(randndata)) 到目前为止，一切似乎都很好。但是，如果第二次打印数据，则会得到完全不同的结果。 randnd
浏览 29提问于2020-10-09得票数 1
我最近切换到了Tensorflow Eager (目前使用TF 1.8.0)，并且非常喜欢它。然而，我现在有一个相当大的模型，它不适合我的GPU内存(GTX 1080Ti，12 TF )，当使用梯度磁带运行时，需要计算TF中的梯度。正向传递(即不使用渐变带)工作正常。
我考虑过使用OpenAI的，希望这能有所帮助。然而，简单地像他们的Git中描述的那样使用它似乎在渴望执行中没有帮助。
import tensorflow as tf
import tensorflow.contrib.eager as tfe
import memory_saving_gradients
tf.__dict__[
浏览 7提问于2018-06-08得票数 3
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
云直播活动推荐
腾讯云开发者
