重置tensorflow优化器
是指将优化器对象的状态重置为初始状态，以便重新开始优化过程。在tensorflow中，可以通过以下步骤来重置优化器：
- 创建优化器对象：根据具体任务和需求，选择适合的优化器，如Adam、SGD等，并设置相应的超参数。
- 定义损失函数：根据任务类型，定义适当的损失函数，如均方误差（MSE）损失、交叉熵损失等。
- 计算梯度：使用tensorflow的自动求导功能，计算损失函数对模型参数的梯度。
- 更新模型参数：使用优化器的
apply_gradients方法，根据计算得到的梯度更新模型参数。
如果需要重置优化器，可以按照以下步骤进行操作：
- 创建新的优化器对象：重新创建一个相同类型的优化器对象，并设置相同的超参数。
- 重新定义损失函数：根据需要重新定义损失函数。
- 重新计算梯度：使用新的优化器和重新定义的损失函数，计算新的梯度。
- 更新模型参数：使用新的优化器的
apply_gradients方法，根据新的梯度更新模型参数。
通过重置优化器，可以在训练过程中重新开始优化，适用于需要多次训练的场景，如迭代训练、交叉验证等。
腾讯云相关产品和产品介绍链接地址：
- 腾讯云机器学习平台（ModelArts）：https://cloud.tencent.com/product/ma
- 腾讯云GPU云服务器（GPU Cloud）：https://cloud.tencent.com/product/gpu
- 腾讯云AI推理（AI Inference）：https://cloud.tencent.com/product/aiinference
相关·内容
3回答
我正在从保存的模型加载，我希望能够重置tensorflow优化器，如Adam Optimizer。最理想的情况是：
sess.run([tf.initialize_variables(Adamopt)])
或
sess.run([Adamopt.reset])
我试着寻找答案，但还没有找到任何方法。下面是我发现的没有解决这个问题的东西：
我基本上只是想要一种方法来重置Adam Optimizer中的"slot“变量。
谢谢
浏览 33提问于2016-09-21得票数 8
回答已采纳
1回答
从Tensorflow (翻译，ptb)的各种例子来看，在使用GradientDescentOptimizer时，您似乎需要显式地改变学习速度。但是，当我们继续从保存的实例中训练模型时，是否使用了一些更“复杂”的技术，如Adagrad、Adadelta等等，这些优化器使用的过去值是否保存在模型文件中？
浏览 3提问于2016-05-25得票数 0
回答已采纳
1回答
Tensorflow损失已经很低
、、、、
我正在做一个强化学习的人工智能，我得到了奇怪的结果，损失显示如下: Tensorflow损失：
当它在训练的时候，在每一场比赛之后，它与一个随机的玩家和一个具有加权矩阵的玩家进行游戏，但它会上下起伏:结果：
基本上，我正在做一个强化学习智能体，学习扮演奥赛罗。使用E-greedy，Experience replay和深度网络使用Keras over Tensorflow。尝试了不同的架构，如sigmoid、relu和上图所示的tanh。它们都有类似的损失，但结果略有不同。在这个例子中，智能体从10万个专业游戏中学习。以下是架构，默认学习率为0.005：
model.add(Dense(unit
浏览 15提问于2017-12-26得票数 1
回答已采纳
我已经开发了一个使用Adam优化器的TensorFlow代码，然后保存图形并导出.pb模型并正确加载它，我的问题是，当我向它提供新的输入图像时，我得不到与此代码给出的结果相同的结果：
from keras.preprocessing.image import ImageDataGenerator, array_to_img, img_to_array, load_img, array_to_img
import cv2
import tensorflow as tf
import numpy
import numpy as np
def get_image2(imgSrc):
浏览 2提问于2018-07-24得票数 0
1回答
重量和偏差
self.weights = { "layer1":tensorflow.Variable(tensorflow.random_normal([self.state_size, self.neurons_layer_1])), "layer2":tensorflow.Variable(tensorflow.random_normal([self.neurons_layer_1, self.neurons_layer_2])), "layerOut":tensorflow.Variable(tensorflow.random_norma
浏览 2提问于2017-05-12得票数 1
回答已采纳
我正在做一些与课程学习有关的事情，因此我想为每一个训练阶段重新设置我的优化器。然而，在Adam中，有一些时隙保持第一和第二矩，以及beta1和beta2的功率值。我已经尝试定义了tensorflow保护程序，而没有看到这些变量如下：
def define_saver(exclude='(r'.*Adam.*', r'.*beta.*')'):
"""Create a saver for the variables we want to checkpoint.
Args:
exclude: List of regexe
浏览 0提问于2018-06-04得票数 1
回答已采纳
使用bazel test命令运行TensorFlow测试时，我可以看到一些测试由于断言错误(与预期公差略有偏差)而失败，使用-c dbg运行时通过，如下所示：
bazel test -c dbg //tensorflow/python:training_ops_test
然而，这是失败的：
bazel test -c opt //tensorflow/python:training_ops_test
bazel test //tensorflow/python:training_ops_test
因此，根据Bazel，--compilation_mode [-c]可以是fastbuild、db
浏览 13提问于2017-08-03得票数 1
回答已采纳
关于TensorFlow的问题：
我在看网站上的视频和模型，似乎只有SGD作为机器学习的一种算法。我想知道其他算法是否也包括在tensorflow中，比如L。
谢谢你的答复。
浏览 5提问于2016-07-27得票数 6
回答已采纳
我正在使用中的TensorFlow (带有19.01Nvidia TensorFlow Docker映像)执行TensorFlow。我有一个Nvidia 2070显卡，当我尝试运行一个更新版本的TensorFlow对接映像时，我已经摆脱了内存错误(例如19.08)。因此，我决定，也许是时候考虑使用16位精度而不是32位来存储VGG19 CNN的参数。
当我建造我的机器时，我的初步研究让我相信，从32切换到16是一件轻而易举的事情，但这不是我的经验，因为我正在积极地尝试着实现这一转变。
这就是我所做的：
我设置了tf.keras.backend.set_floatx('float16
浏览 0提问于2019-09-12得票数 0
事先谢谢你的考虑，
我刚刚使用以下安装了tensorflow (已安装了Ubuntu16.04和CUDA8.0的新机器)
最初，我使用了--copt=-march=native。我收到消息了
W tensorflow/core/platform/cpu_feature_guard.cc:45] TensorFlow库不是为了使用SSE3指令而编译的，但是这些指令在您的机器上是可用的，可以加快CPU的计算速度。
W tensorflow/core/platform/cpu_feature_guard.cc:45] TensorFlow库不是为了使用SSE4.1指令而编译的，但是这些指令在您的机
浏览 4提问于2017-04-09得票数 6
回答已采纳
我一直在浏览tensorflow.keras.save_model()应用程序接口的文档，我遇到了参数include_optimizer，我想知道不包括优化器有什么好处，或者如果优化器不与模型一起保存会出现什么问题？ 为了给我的特定用例提供更多的上下文，我想保存一个模型，然后将生成的.pb文件与Tensorflow一起使用。我是否需要保存优化器状态，而不是保存它会减少结果文件的整体大小？如果我不保存，模型会不会在TF服务中不能正常工作？
浏览 51提问于2021-04-30得票数 1
回答已采纳
我正在尝试将tf.keras与tensorflow中的新AdamW优化器一起使用，并且遇到了一些问题。该代码的玩具版本如下：
from tensorflow.contrib.opt import AdamWOptimizer
from tensorflow.python.keras.optimizers import TFOptimizer
model = Sequential()
model.add(Dense(2, activation="tanh", input_shape=(3,)))
tfopt = AdamWOptimizer(weight_decay=0.1,
浏览 2提问于2018-10-04得票数 3
回答已采纳
1回答
我正在尝试使用this question和this question as well中详细介绍的RProp优化器来训练模型。 我从this Github repository下载了rprop.py脚本，并将其添加到C:\mini\envs\aiml3\Lib\site-packages\tensorflow_core\python\keras\optimizer_v2上的Keras/tf代码库中。 在我的R脚本(在RStudio中运行)中，我运行以下命令来创建模型： model <- keras_model_sequential() %>%
layer_dense(units
浏览 18提问于2020-07-20得票数 1
我对TensorFlow的内部结构相当陌生。为了理解TensorFlow的AdamOptimizer实现，我在TensorBoard中检查了相应的子图。这里似乎有一个名为name + '_1'的重复子图，默认情况下是name='Adam'。
下面的MWE生成下面的图表。(注意到我已经扩展了x 节点！)
import tensorflow as tf
tf.reset_default_graph()
x = tf.Variable(1.0, name='x')
train_step = tf.train.AdamOptimizer(1e-1, n
浏览 6提问于2019-03-15得票数 10
回答已采纳
1回答
我正在尝试学习tensorflow优化，因为我主要用Matlab编写代码。
我的matlab代码是：
fun = @(x)100*(x(2)-x(1)^2)^2 + (1-x(1))^2;
x0 = [0.5,0];
A = [1,2];
b = 1;
Aeq = [2,1];
beq = 1;
x = fmincon(fun,x0,A,b,Aeq,beq)
我想使用tensorflow实现上述优化。有没有办法复制它？
我遇到了，但它只解释了相等约束，而不是不平等。
浏览 2提问于2017-08-13得票数 0
这是我的第一个问题。我正在玩tensorflow.keras，做一些CNN，我想知道是否有人知道为什么会发生这种冲突，谢谢。
from tensorflow.keras.optimizers import Nadam
from tensorflow.keras.optimizers.schedules import ExponentialDecay
initial_learning_rate = 0.1
lr_schedule = ExponentialDecay(
initial_learning_rate,
decay_steps=100000, decay_rate=
浏览 14提问于2022-03-10得票数 0
我正在处理一个导入库"keras“的文件。
我使用python3.8使用#!/usr/bin/python3.8
当我在控制台中导入keras或tensorflow时，它工作得很好，但是，当我运行一个导入keras或tensorflow的文件时，它只运行一次，然后当它再次运行时，它会重复这个错误消息：
TypeError: A Message class can only inherit from Message
问题仍然存在，除非我关闭控制台，然后重新打开它。
有什么解决办法吗？
注意:当在本地运行python3.9时，代码可以工作
注意:我没有在PythonAnywhere上使用p
浏览 8提问于2022-06-27得票数 0
我已经使用rmsprop优化器对MobilenetV1模型进行了一定数量的训练。现在，我想将优化器从rmsprop切换到adam，并从现在开始继续训练。但是当它加载训练好的模型时，当我将优化器从rmsprop更改为adam时，我得到了以下错误。我正在使用TF-slim来训练模型。
2017-11-08 12:02:55.104019: W tensorflow/core/framework/op_kernel.cc:1192] Not found: Key
MobilenetV1/Conv2d_0/weights/Adam_1 not found in checkpoint
2017-11-0
浏览 18提问于2017-11-09得票数 0
2回答
我使用以下代码：
from tensorflow.keras.regularizers import l2
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Add, Conv2D, MaxPooling2D, Dropout, Flatten, Dense, BatchNormalization, Activation
from tensorflow.keras import activations
CNN_model = Sequential()
# The First B
浏览 0提问于2021-08-15得票数 0
回答已采纳
2回答
我使用的是最新的Keras和Tensorflow后端(Python 3.6)
我正在加载一个模型，当我上次训练它时，它的训练准确率约为86%。
我使用的原始优化器是：
r_optimizer = optimizer=Adam(lr=0.0001, decay = .02)
model.compile(optimizer= r_optimizer,
loss='categorical_crossentropy', metrics = ['accuracy'])
如果我加载模型并在不重新编译的情况下继续训练，我的准确率将保持在86%左右(
浏览 0提问于2018-05-22得票数 1
我想在Tensorflow中使用MomentumOptimizer。但是，由于此优化器使用的是一些内部变量，因此尝试在不初始化该变量的情况下使用它会产生错误：
FailedPreconditionError (参见上面的跟踪)：尝试使用未初始化的值Variable_2/Momentum
这可以通过初始化所有变量轻松地解决，例如
tf.global_variables_initializer().run()
但是，我不想初始化所有的变量-只有那些优化器的变量。有办法这样做吗？
浏览 8提问于2017-01-08得票数 26
回答已采纳
我已经创建了一个虚拟回归数据集
from sklearn.datasets import make_regression
X, y = make_regression(n_features=1, noise=15)
看起来是这样的：
然后使用Estimator API创建LinearRegressor
feat_cols = [tf.feature_column.numeric_column("X", shape=[1])]
estimator = tf.estimator.LinearRegressor(feature_columns=feat_cols)
input_
浏览 1提问于2018-03-09得票数 0
我正在尝试使用Tensorflow后端优化器来优化Keras模型。我可以运行模型，计算损失，并打印所有的权重和偏差，但当我尝试应用梯度时，模型崩溃。 PS:我使用的是tensorflow Cuda docker容器，主机系统是Ubuntu 18.04.2 LTS。 代码： import numpy as np
from tensorflow.python.keras.models import Model
from tensorflow.python.keras.layers import Dense, Input
from tensorflow.python.keras.optimizer
浏览 26提问于2019-03-13得票数 1
回答已采纳
我正在尝试使用：train = optimizer.minimize(loss)，但标准优化器不能与tf.float64一起使用。因此，我想将我的loss从tf.float64截断为仅tf.float32。
Traceback (most recent call last):
File "q4.py", line 85, in <module>
train = optimizer.minimize(loss)
File "/Library/Python/2.7/site-packages/tensorflow/python/training/
浏览 2提问于2016-03-01得票数 18
回答已采纳
继续使用tensorflow 2.0获取这些错误。这样能行吗？
import tensorflow as tf
import numpy as np
x = tf.constant(3.0)
with tf.GradientTape() as t:
t.watch(x)
y = (x - 10) ** 2
opt = tf.optimizers.Adam()
opt.minimize(lambda: y, var_list=[x])
浏览 0提问于2019-04-06得票数 3
回答已采纳
我正尝试在colab.research页面中运行我的神经网络，但在这一行仍然收到错误AttributeError: module 'tensorflow' has no attribute 'optimizers'：
opt = tensorflow.optimizers.RMSprop(learning_rate=0.00001, decay=1e-6)
我从代码中导入的部分：
import tensorflow
from tensorflow.keras.preprocessing.image import ImageDataGenerator
from t
浏览 59提问于2019-11-13得票数 7
回答已采纳
1回答
我目前正在使用C++实现Tensorflow自定义op(用于自定义数据获取器)，以加快我的Tensorflow模型。由于我的Tensorflow模型并不经常使用GPU，所以我相信我可以同时使用多个工作线程来实现最大的性能。
问题是，即使我有足够的工作人员，我的程序并没有使用所有的CPU。在我的开发机器中，它使用了大约90%的用户时间、4%的sys时间以及4个工作线程和tf.ConfigProto(inter_op_parallelism_threads=6)选项(4个物理内核)。
使用更多的工作线程和inter_op_parallelism_threads选项，我的模型运行性能要比以前的配置差
浏览 4提问于2016-10-24得票数 0
我在Tensorflow模型服务器上观察到CPU的性能问题。与原始的Tensorflow模型推理相比，它的推理时间增加了一倍。两者都是用MKL构建的，只用于CPU。
复制代码：
Tensorflow MKL构建： bazel build --config=mkl -c opt --copt=-msse4.1 --copt=-msse4.2 --copt=-mavx --copt=-mavx2 --copt=-mfma --copt=-O3 //tensorflow/tools/pip_package:build_pip_package
Tensorflow服务器MKL构建： bazel bui
浏览 7提问于2017-11-27得票数 1
根据最初的文章，应该有一个名为δ的参数。但我在TensorFlow AdagradOptimizer construtor中找不到这样的论点。
有一个名为initial_accumulator_value的参数，建议将其设置为0，但TensorFlow使用0.1作为默认值。我把它设为0合适吗？
非常感谢你抽出时间来！
加勒特
浏览 1提问于2018-03-13得票数 1
回答已采纳
我已经建立了一个具有自定义f1评分标准的顺序模型。在编译我的模型时，我会传递它，然后以*.hdf5格式保存它。每当我为测试目的使用custom_objects属性加载模型时
model = load_model('app/model/test_model.hdf5', custom_objects={'f1':f1})
Keras抛出以下错误
TypeError：“函数”和“str”的实例之间不支持<
注意:如果在编译过程中不包括f1度量，则不会显示错误，并且测试过程运行良好。
列车方法
from metrics import f1
...
#
浏览 5提问于2021-01-03得票数 12
回答已采纳
我是机器学习的新手，正在尝试Tensorflow (https://www.tensorflow.org/federated/tutorials/federated_learning_for_image_classification)的“图像分类的联合学习”代码。我在Google Colab上运行了代码，没有修改任何东西。 #@test {"skip": true}
# tensorflow_federated_nightly also bring in tf_nightly, which
# can causes a duplicate tensorboard insta
浏览 28提问于2021-08-07得票数 1
回答已采纳
我在tensorflow 2.5.0中构建了一个自定义模型，并尝试对超参数值进行网格搜索。模型训练正确，但是当我重新初始化网格搜索循环中的参数时，它抛出了一个错误(它似乎与tensorflow图有关，但我不知道问题的确切来源是什么)。下面是一个简单的线性回归模型的最小可重复性示例。 import tensorflow as tf
import numpy as np
class Model:
def __init__(self, X, y):
self.X = X
self.y = y
# ini
浏览 57提问于2021-07-15得票数 0
2回答
我试图让Tensorflow在我的机器上启动，但是我总是被一个“无法识别NUMA节点”的错误消息所困扰。
我使用Conda环境：
tensorflow-gpu 1.12.0
cudatoolkit 9.0
cudnn 7.1.2
nvidia-smi说:驱动程序版本418.43，数据自动化系统版本10.1
以下是错误代码：
>>> import tensorflow as tf
>>> tf.Session()
2019-04-04 09:56:59.851321: I tensorflow/core/platform/cpu_fea
浏览 0提问于2019-04-04得票数 2
回答已采纳
在tensorflow/keras中使用ADAM作为优化器时，真的有必要优化初始学习率吗？如何做到这一点(在tensorflow 2.x中)？
浏览 282提问于2020-06-14得票数 0
我一直在尝试使用来自Tensorflow的l1_regularization_strength函数中的ProximalAdagradOptimizer参数来实现Tensorflow的L1正则化。(我专门使用这个优化器来获得一个稀疏的解决方案。)我有两个关于正规化的问题。
优化器中使用的L1正则化适用于神经网络的前向和后向传播，还是只适用于反向传播？
是否有一种方法来分解优化器，使正则化只适用于网络中的特定层？
浏览 1提问于2018-04-13得票数 1
回答已采纳
1回答
在我的TensorFlow项目中，我想尝试不同的优化器，理想情况下我会遍历它们，这样我就可以在TensorBoard中比较训练结果。我提取了优化部分，因为它失败了。我有这样的东西： import os
import tensorflow as tf
eta = 0.1
num_epochs = 100
xv = tf.Variable(0.0)
sv = tf.Variable(0, trainable=False)
loss = xv * xv - 4.0 * xv + 5.0
optimizers = [tf.train.GradientDescentOptimizer(eta)
浏览 34提问于2019-08-26得票数 2
回答已采纳
1回答
我在Tensorflow中有一个net，我正在尝试在Keras中重新实现它。目前，与Tensorflow模型相比，Keras模型的表现完全不佳。与原始模型相比，损失要高得多，并且下降得更慢。我最好的猜测是我用错了优化器。在Tensorflow代码中，优化器如下所示：
global_step = tf.Variable(0, trainable=False)
learning_rate = tf.train.exponential_decay(0.0001,
global_step,
浏览 17提问于2018-09-04得票数 5
我使用的是Tensorflow 1.2，代码如下：
import tensorflow as tf
import tensorflow.contrib.layers as layers
import numpy as np
import tensorflow.contrib.learn as tflearn
tf.logging.set_verbosity(tf.logging.INFO)
# Naturally this is a very simple straight line
# of y = -x + 10
train_x = np.asarray([0., 1., 2., 3.
浏览 5提问于2017-06-18得票数 2
16回答
当我试图修改Keras中SGD优化器的学习速率参数时，出现了这个错误。我是否遗漏了代码中的某些内容，或者我的Keras没有正确安装？
这是我的代码：
from tensorflow.python.keras.models import Sequential
from tensorflow.python.keras.layers import Dense, Flatten, GlobalAveragePooling2D, Activation
import keras
from keras.optimizers import SGD
model = Sequential()
model.add
浏览 2提问于2018-04-27得票数 57
1回答
我正在尝试使用许多工具(dropout、自动编码器等)来修改分类器模型。分析什么能得到最好的结果。因此，我使用了save_weights和load_weights方法。 当我第一次发布我的模型时，它工作得很好。但是，在加载权重时，fit不执行任何操作。损失在整个训练过程中停滞不前。 我知道我一定是做错了什么，但我不知道是什么。我首先认为这是一个渐变消失的问题，因为我首先遇到了自动编码数据集的问题。但经过多次调整和尝试，我觉得问题出在权重加载上。自己看一下(这显然是在运行时重启之后)： # Classifier
model = Sequential()
model.add(Dense(50
浏览 40提问于2019-01-21得票数 0
回答已采纳
我遵循在Windows 10上从源代码构建Tensorflow 1.5 (使用Visual 2015、CUDA 9.0、使用CMake的cuDNN 7)。我成功地编译了Tensorflow，但是我无法编译一个单独的非常简单的与Tensorflow接口的C++程序。程序只是尝试实例化一个会话，所以它看起来如下：
#define COMPILER_MSVC
#define NOMINMAX
#include "tensorflow/core/public/session.h"
using namespace tensorflow;
void load_model() {
浏览 0提问于2018-03-26得票数 0
使用新的tf.data tensorflow类实现输入管道存在问题。
具体来说，当我在预处理中包含一个卷积操作(我用map方法添加到管道中)时，我会得到以下错误
tensorflow.python.framework.errors_impl.UnimplementedError: Generic conv implementation only supports NHWC tensor format for now.
[[{{node conv_debug}} = Conv2D[T=DT_FLOAT, data_format="NCHW", dilations=[1, 1,
浏览 1提问于2019-03-06得票数 6
我在读，它指定了如何使用tensorflow运行水波模拟。我的理解是tensorflow变量和占位符被用来代替一般的python变量，但是使用tensorflow比仅仅使用numpy有什么特殊的(即性能)优势吗？
浏览 1提问于2017-03-19得票数 3
我试着用tensorflow编程，我偶然发现了这个函数：
global_step = tf.contrib.framework.get_global_step()
有人能向我解释一下到底发生了什么吗？我在tensorflow的文档中找到了这个解释，但我不太清楚。
global_step:表示每次模型训练运行增量的步骤计数器的整数变量。可以通过TensorFlow ()函数在get_global_step()中轻松地创建/递增。
其中get_global_step返回全局张量。
非常感谢!
浏览 2提问于2017-06-05得票数 0
回答已采纳
1回答
为了快速推断冻结的Tensorflow图(.pb)，我目前使用的是Tensorflow的CPU。推理速度已经相当不错了，但是(与英特尔的OpenVINO这样的CPU专用工具相比)到目前为止，我还没有可能在运行之前以某种方式优化图形。我对任何一种合适的优化都感兴趣：-特定于设备的优化-特定于CPU的优化-特定于图的优化(融合操作，丢弃节点，...) - ...以及其他一切降低推理所需的时间。
因此，我正在寻找一种在训练后和执行之前优化图形的方法。如前所述，像英特尔的OpenVINO (用于CPU)和NVIDIA的TensorRT (用于GPU)这样的工具就可以做到这一点。我也在使用OpenVIN
浏览 4提问于2019-05-23得票数 1
1回答
我正在寻找一些澄清编译标志选项时，使用TensorFlow与NVIDIA在Ubuntu18.04。我将TensorFlow用于Python (用于培训)和调用C++ (用于在生产中执行)。
自从Ubuntu18.04和GCC一起出品7.x以来，我不得不使用CUDA 9.2，所以我不能使用谷歌提供的TensorFlow预编译的二进制文件(这些二进制文件目前只使用不符合GCC 7.x的CUDA 9.0 )。因此，我必须从源代码编译TensorFlow，以便与Python和C++一起使用。
目前，我正在使用以下编译标志：
Python编译：
bazel build --config=opt \
浏览 1提问于2018-10-24得票数 3
回答已采纳
我正在使用python3.9，tensorflow 2.7.0和一个改版的Mask )。我正在使用tensorflow .keras并专门导入
import tensorflow as tf
from tensorflow.python import keras
from tensorflow.python.keras import backend as K
from tensorflow.python.keras import layers as KL
from tensorflow.python.keras import utils as KU
from tensorflow.pytho
浏览 13提问于2022-04-27得票数 1
我正在比较TensorFlow 2和NumPy中矩阵矩阵产品的单线程性能。分别对单精度(float32)和双精度(float64)进行了比较。我发现，NumPy性能几乎等同于用于单精度和双精度(DGEMM和SGEMM)的Intel MKL C++实现(用作矩阵乘法的基准)。但在TensorFlow中，只有单精度(float32)性能与MKL等效，而双精度(float64)性能则明显较慢。为什么当使用双精度数据时Tensorflow慢一些？
示例脚本：
我认为下面的例子重现了我的观察。考虑矩阵乘法：
C = AB，其中A和B大小为3000x3000
TensorFlow2和NumPy代码
浏览 9提问于2022-01-16得票数 1
回答已采纳
我正在用Tensorflow Core构建一个堆叠的卷积自动编码器(没有纯Tensorflow的API )。我想在编码器和解码器之间添加不可训练的层。有人知道如何在tensorflow图中添加不可训练的层吗？张力板图形图片是附加的，出现在蓝色标记框中的操作是我想要使其不可训练的操作，或者可以说我不想在它们上进行梯度计算。TF版本: 1.15我尝试过tf.stop_gradient()方法，但是这个方法阻止了之前所有输入的贡献。
浏览 0提问于2019-11-25得票数 0
我有一台带有操作系统7.2的GPU CentOS机器
我使用pip安装了tensorflow 1.0版本(我没有编译)
当我使用更新的keras运行问题时，我得到
W tensorflow/core/platform/cpu_feature_guard.cc:45] TensorFlow库不是为了使用SSE3指令而编译的，但是这些指令在您的机器上是可用的，可以加快CPU的计算速度。
W tensorflow/core/platform/cpu_feature_guard.cc:45] TensorFlow库不是为了使用SSE4.1指令而编译的，但是这些指令在您的机器上是可用的，可以加快CPU
浏览 3提问于2017-02-21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
对象存储
实时音视频
即时通信 IM活动推荐
腾讯云开发者
