错误:在对`Model`类进行子类化时，应该实现一个`call`方法。tensorflow自定义模型研究
在对Model类进行子类化时，应该实现一个call方法。这是因为Model类是TensorFlow中用于构建自定义模型的基类，而call方法是Model类的一个重要方法，用于定义模型的前向传播逻辑。
在自定义模型时，我们需要继承Model类，并在子类中实现call方法。call方法接受输入数据作为参数，并返回模型的输出结果。在call方法中，我们可以使用各种TensorFlow的API来定义模型的结构和计算逻辑。
下面是一个示例代码，展示了如何对Model类进行子类化并实现call方法：
import tensorflow as tf
class MyModel(tf.keras.Model):
def __init__(self):
super(MyModel, self).__init__()
# 定义模型的层
self.dense = tf.keras.layers.Dense(10, activation='relu')
self.output_layer = tf.keras.layers.Dense(1, activation='sigmoid')
def call(self, inputs):
# 定义模型的前向传播逻辑
x = self.dense(inputs)
output = self.output_layer(x)
return output
# 创建模型实例
model = MyModel()
# 使用模型进行预测
inputs = tf.random.normal([1, 10])
outputs = model(inputs)在这个例子中，我们定义了一个简单的自定义模型MyModel，它包含一个全连接层和一个输出层。在call方法中，我们首先将输入数据通过全连接层进行处理，然后将结果传递给输出层，并返回输出结果。
这样，我们就完成了对Model类的子类化，并实现了call方法来定义自定义模型的前向传播逻辑。
推荐的腾讯云相关产品和产品介绍链接地址：
- 腾讯云产品：云服务器（https://cloud.tencent.com/product/cvm）
- 腾讯云产品：云数据库 MySQL 版（https://cloud.tencent.com/product/cdb_mysql）
- 腾讯云产品：人工智能机器学习平台（https://cloud.tencent.com/product/tiia）
- 腾讯云产品：物联网开发平台（https://cloud.tencent.com/product/iotexplorer）
- 腾讯云产品：移动推送服务（https://cloud.tencent.com/product/umeng_push）
- 腾讯云产品：对象存储（https://cloud.tencent.com/product/cos）
- 腾讯云产品：区块链服务（https://cloud.tencent.com/product/tbaas）
- 腾讯云产品：腾讯云游戏引擎（https://cloud.tencent.com/product/gse）
- 腾讯云产品：腾讯云直播（https://cloud.tencent.com/product/lvb）
- 腾讯云产品：腾讯云音视频处理（https://cloud.tencent.com/product/mps）
- 腾讯云产品：腾讯云音视频通话（https://cloud.tencent.com/product/trtc）
- 腾讯云产品：腾讯云音视频 AI（https://cloud.tencent.com/product/va）
- 腾讯云产品：腾讯云游戏多媒体引擎（https://cloud.tencent.com/product/gme）
- 腾讯云产品：腾讯云游戏存储（https://cloud.tencent.com/product/gs）
- 腾讯云产品：腾讯云游戏安全（https://cloud.tencent.com/product/gss）
- 腾讯云产品：腾讯云游戏测评（https://cloud.tencent.com/product/gtp）
- 腾讯云产品：腾讯云游戏运营（https://cloud.tencent.com/product/gmo）
- 腾讯云产品：腾讯云游戏加速（https://cloud.tencent.com/product/ga）
- 腾讯云产品：腾讯云游戏监控（https://cloud.tencent.com/product/gm）
- 腾讯云产品：腾讯云游戏数据分析（https://cloud.tencent.com/product/gda）
- 腾讯云产品：腾讯云游戏推广（https://cloud.tencent.com/product/gpp）
- 腾讯云产品：腾讯云游戏支付（https://cloud.tencent.com/product/gpay）
- 腾讯云产品：腾讯云游戏社交（https://cloud.tencent.com/product/gsso）
- 腾讯云产品：腾讯云游戏运维（https://cloud.tencent.com/product/gmo）
- 腾讯云产品：腾讯云游戏开发者工具（https://cloud.tencent.com/product/gdt）
- 腾讯云产品：腾讯云游戏开发者社区（https://cloud.tencent.com/product/gdc）
- 腾讯云产品：腾讯云游戏开发者大赛（https://cloud.tencent.com/product/gdc）
相关·内容
7回答
受的启发，我创建了自定义模型。
我可以训练它并取得成功的结果，但是我不能拯救它，。
我使用python3.6和tensorflow v1.10 (或v1.9)
这里的最小完整代码示例：
import tensorflow as tf
from tensorflow.keras.datasets import mnist
class Classifier(tf.keras.Model):
def __init__(self):
super().__init__(name="custom_model")
self.batch_norm1
浏览 0提问于2018-08-12得票数 44
回答已采纳
当我创建具有一个或多个自定义层的Keras模型时，可以使用model.save()方法以TensorFlow SavedModel格式持久化Keras模型。 我可以使用tf.keras.models.load_model()函数从文件系统中加载此模型，然后再次将其保存到文件系统中。 但当我第二次从文件系统加载SavedModel时，它失败了，并出现以下异常： TypeError: f(inputs, training, training, training, training, *, training, training) missing 1 required argument: train
浏览 107提问于2021-10-29得票数 0
我训练了一个数字图像并制作了一个模型文件。
相应的调味汁如下。
import os
import tensorflow as tf
import numpy as np
import matplotlib.pyplot as plt
from tensorflow.keras.datasets import mnist
from tensorflow.keras.utils import to_categorical
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Dense
浏览 0提问于2021-02-23得票数 0
回答已采纳
我想使用tf.keras.TimeDistributed()层与tf.hub inception_v3 CNN模型从最新的TensorFLow V2版本(tf-nightly-gpu-2.0-预览)。输出如下所示。似乎没有完全实现tf.keras.TimeDistributed()来处理tf.hub模型。不知何故，输入层的形状无法计算。我的问题是:有没有解决这个问题的办法？ 使用常规tf.keras.layer的tf.keras.TimeDistributed运行良好。我只想将CNN模型应用于每个时间步。 模型 import tensorflow as tf
import tensorflo
浏览 43提问于2019-05-17得票数 1
我正在从事图像分类工作，并试图在Tensorflow中实现一个自定义优化器(基于ELSEVIER上发表的一篇论文)。
我试着修改代码如下:我有一些其他函数，但它们都与预处理和模型架构等相关。
import os
os.environ['TF_KERAS'] = '1'
from tensorflow import keras
import tensorflow as tf
from sklearn.model_selection import train_test_split
from sklearn.utils import shuffle
import cv
浏览 1提问于2020-02-16得票数 3
我想构建自己的基本模型，并使用大数据集对其进行训练。训练结束后，我保存了基本模型。我有另一个自定义模型，我想从基础模型加载前两层的权重。我应该如何在Tensorflow 2.1.0中实现它，谢谢。
示例代码：
import os
os.environ["CUDA_VISIBLE_DEVICES"]=""
import tensorflow as tf
from tensorflow import keras
from tensorflow.keras import layers
class BaseModel():
def __init__(self
浏览 3提问于2020-03-25得票数 0
我正在训练一个DCN模型以达到排名的目的。训练结束后，我使用model.save_weights(filepath)来保存体重。我使用model.load_weights(filepath)在另一个文件中加载权重。在colab上进行培训和保存，在我的本地系统上进行加载保存模型。然而，在colab上所做的预测和在本地系统中所做的预测，即使在编译之后也是不同的，因为相同的输入是不同的。两个版本的tensorflow, tensorflow_recommnders and tensorflow_ranking都是相同的。为了避免这个问题，我尝试用model.save('model.h5
浏览 18提问于2022-01-19得票数 0
回答已采纳
我试图加载我在training.So期间保存的keras模型，我去了，在那里我看到了这个。
从by_name=False格式加载权重时，只支持拓扑加载( TensorFlow )。请注意，对于继承自TensorFlow : HDF5负载的用户定义类，拓扑加载在tf.keras.Model和HDF5格式之间略有不同，而TensorFlow格式基于对象本地属性名称加载模型的构造函数中的层。
请你解释一下上面的那个好吗？
浏览 3提问于2020-05-08得票数 4
回答已采纳
1回答
我使用TFF版本0.12.0来计算模型的性能，我想添加(具有准确性)敏感性和特异性指标， def specificity
...
def create_compiled_keras_model():
....
model.compile(optimizer=tf.keras.optimizers.SGD(lr=0.001, momentum =0.9),
loss=tf.keras.losses.BinaryCrossentropy(),
metrics=([tf.keras.metrics.BinaryAccurac
浏览 317提问于2020-12-25得票数 3
我试图在tensorflow模型中获得所有客户的损失，但没有运气。post how to print local outputs in tensorflow federated?的答案建议从头开始创建我们的NN模型。然而，我已经有了我的keras NN模型。那么，有没有办法仍然访问本地客户端损失，而不必从头开始构建NN呢？ 我尝试使用tff.federated_collect()，但不确定这是如何实现的。 这部分是我的尝试： trainer_Itr_Process = tff.learning.build_federated_averaging_process(model_fn_Fe
浏览 14提问于2019-06-14得票数 1
我有一个模型，它由几个继承自tf.keras.Model的子模型组成。这些子模型或多或少都是组成keras.layers的keras.layers模型(如keras.layers.Conv2D、keras.layers.BatchNormalization等)的简单集合。调用函数通过不同的顺序模型传递数据(有时向顺序模型的输出添加额外的内容，即la a ResidualBlock子模型)。
我的主要模型由子模型组成的原因是因为主模型很复杂，这样我就可以很容易地改变模型体系结构(例如子模型A的层数)。此外，子模型的某些部分实例化某些层(如keras.layers.Reshape) in the
浏览 6提问于2019-11-19得票数 2
回答已采纳
3回答
定制TF2模型保存
、、、、
我用TF2编写自定义模型
class NN(tf.keras.Model):
def __init__(self,
output_dim: int,
controller_dime:int=128,
interface_dim: int=35,
netsize: int=100,
degree: int=20,
k:float=2,
name:str='dnc_rn')->None:
浏览 3提问于2020-01-25得票数 0
我想在我的tensorflow图形执行模型中使用预先训练过的语句嵌入。嵌入是从函数调用中动态获得的，函数调用接受一个句子数组并输出一个语句嵌入数组。这个函数使用的是一个预先训练过的pytorch模型，因此必须与我正在培训的tensorflow模型保持独立：
def get_pretrained_embeddings(sentences):
return pretrained_pytorch_model.encode(sentences)
我的tensorflow模型如下：
class SentenceModel(tf.keras.Model):
def __init__(self):
浏览 0提问于2021-03-17得票数 0
我正在子类tensorflow.keras.Model来实现一个特定的模型.预期行为：
训练(拟合)时间:返回张量列表，包括最终输出和辅助输出；
推断(预测)时间:返回单个输出张量。
守则是：
class SomeModel(tensorflow.keras.Model):
# ......
def call(self, x, training=True):
# ......
return [aux1, aux2, net] if training else net
我就是这样用它的：
model=SomeModel(...)
m
浏览 0提问于2020-05-14得票数 0
回答已采纳
如何使用prototype为模型的每个实例附加一个构造函数？我一直在尝试在创建Backbone.Model实例时修改构造函数方法。BuT我不想将构造函数方法附加到我单独创建的每个模型上。添加initialize的原型工作；唯一的问题是，如果initialize与模型一起传递，它会通过下划线扩展方法覆盖它。
我试过了
Backbone.Model.prototype.constructor = function(attributes, opts) {
console.log('hi');
Backbone.Model.prototype.const
浏览 1提问于2012-10-24得票数 0
回答已采纳
在观看了F.CholletYoutube的视频"Inside TensorFlow: tf.Keras (第1部分)“之后，我试过这样做。在本节中，他讨论了如何通过子类创建自定义层和模型。我在colab上使用：
try:
# %tensorflow_version only exists in Colab.
%tensorflow_version 2.x
except Exception:
pass
import tensorflow as tf
from tensorflow import keras
from tensorflow.keras.models impo
浏览 3提问于2019-09-17得票数 1
回答已采纳
1回答
class MyModel(tf.keras.Model):
def __init__(self):
super().__init__()
self.dense = tf.keras.layers.Dense(1)
self.build(input_shape=[None, 1])
def call(self, inputs, **kwargs):
return self.dense(inputs)
MyModel().summary()
模型图也不起作用：
tf.keras.utils.plot_m
浏览 2提问于2021-04-03得票数 2
回答已采纳
1回答
我试图使用TensorFlow2构建一些模型，因此我创建了一个模型类，如下所示：
import tensorflow as tf
class Dummy(tf.keras.Model):
def __init__(self, name="dummy"):
super(Dummy, self).__init__()
self._name = name
self.dense1 = tf.keras.layers.Dense(4, activation=tf.nn.relu)
self.dense2 = tf
浏览 2提问于2020-02-26得票数 1
回答已采纳
按照this tutorial的训练过程，我尝试使用以下代码来保存tf模型： tf.keras.models.save_model(decoder, 'path', save_format='tf') 但是出现了一个错误消息： ---------------------------------------------------------------------------
TypeError Traceback (most recent call last)
<ipython-input
浏览 144提问于2019-12-20得票数 2
我遇到了keras和tensorflow的问题，使用以下代码：
from tensorflow.keras.layers import Activation, Conv2D
from tensorflow.keras import Model
from data import DataGenerator
from config import train_datapath, test_datapath
training_generator = DataGenerator(train_datapath)
validation_generator = DataGenerator(test_da
浏览 0提问于2018-11-29得票数 2
回答已采纳
我想绘制自定义keras模型的底层拓扑。根据这个链接()，我认为我可以只使用keras.utils.vis_utils.plot_model，但是这产生了一个错误。
下面是一个最小的自定义模型和代码来重现错误：
import tensorflow as tf
from keras.models import Model
from keras import backend as K
from keras.utils.vis_utils import plot_model
import unittest
'''
Construct a double-layer per
浏览 2提问于2019-12-22得票数 2
回答已采纳
我需要复制一个keras模型，而且我不知道有什么方法可以完成，除非模型不是，一个tf.keras.models.Model()子类。
注意：使用copy.deepcopy()时不会出现任何错误，但是当使用副本时会导致另一个错误。
示例：
import tensorflow as tf
class MyModel(tf.keras.Model):
def __init__(self):
super(MyModel, self).__init__()
self.dense1 = tf.keras.layers.Dense(4, activation=tf.nn.relu)
浏览 6提问于2021-02-18得票数 2
回答已采纳
1回答
我感兴趣的是在图像被输入到我的子类tensorflow卷积网络之前添加一种特殊类型的编码。在文档中，我已经看到，“一个热”或任何编码都发生在tensorflow的层模块中，然后传递到Conv和其他层。
但是，编码，我有兴趣申请，它存在于一个不同的库。所以，如果我用那个库对我的数据进行编码，我的问题是，如何将编码的数据提供给我的tensorflow Conv层？
目前我的模型看起来像-
class AmmarNet(tf.keras.Model):
def __init__(self):
super(AmmarNet, self).__init__()
# self.shap
浏览 10提问于2022-10-16得票数 1
我一直在尝试使用The Universal Sentence Encoder Multilingual与tensorflow(1.15) keras进行迁移学习。在顺序模型中，我使用了句子编码器作为KerasLayer。训练结束后，我使用tf.saved_model.save将我的模型保存为saved_model.pb。这是我的模型：
import tensorflow as tf
import tensorflow_hub as hub
import tensorflow_text
USE_V3 = "https://tfhub.dev/google/universal-sente
浏览 2提问于2020-05-28得票数 0
3回答
我使用了这个colab笔记本中的以下示例：
它使用model.save()功能保存微调过的模型。
我尝试使用tf.keras.models.load_model()加载相同的模型，但得到以下错误：
KeyError: 'name'
KeyError Traceback (most recent call last)
in engine
----> 1 model = tf.keras.models.load_model('./saved_model/test')
/home/cdsw/.l
浏览 7提问于2020-06-17得票数 1
1回答
我对tensorflow非常陌生，正在尝试学习如何保存和加载以前训练过的模型。我使用Estimator创建了一个简单的模型并对其进行了训练。 classifier = tf.estimator.Estimator(model_fn=bag_of_words_model)
# Train
train_input_fn = tf.estimator.inputs.numpy_input_fn(
x={"words": x_train}, # x_train is 2D numpy array of shape (26, 5)
y=y_train,
浏览 12提问于2019-01-10得票数 0
回答已采纳
1回答
我有一个在输出层应用自定义函数的模型。但是这个函数的路径是静态的。每当我尝试在不同的系统上加载模型时，它都找不到函数，因为它搜索错了路径。实际上，它使用了函数位于系统上的路径，我首先保存了模型。
这里有一个简化模型的例子：
from tensorflow.keras.models import Model
from tensorflow.keras.losses import mse, mean_squared_error
from tensorflow.keras.layers import Input, LSTM, Dense, Lambda
from te
浏览 1提问于2020-12-22得票数 1
回答已采纳
1回答
The error: TF Lite转换器在试图转换时态CNN时抛出一个未跟踪的函数警告(构建使用了广泛使用的Keras TCN库： )，并在尝试进行训练后量化时抛出模型解析错误。
1.系统信息
18.04TensorFlow操作系统平台和发行版(例如，LinuxUbuntu16.04)：Ubuntu 3.8.8)TensorFlow安装(pip包或从源代码构建)：库(版本，if pip包或github SHA，如果从源代码构建)：2.3.0 (TF )，2.4.0 (TF)
2.守则
第1部分，将预先训练的TF模型转换为TF Lite模型：
import os
os.environ["
浏览 16提问于2021-03-02得票数 1
回答已采纳
我在TensorFlow中设计了一个带有自定义层的神经网络。首先，我使用__call__()来定义前传，然后调用model.summary()。这给了我以下错误
ValueError: This model has not yet been built. Build the model first by calling `build()` or calling `fit()` with some data, or specify an `input_shape` argument in the first layer(s) for automatic build.
但是，当我用call()
浏览 3提问于2020-11-15得票数 0
回答已采纳
我想保存虚拟的tensorflow模型，以便稍后与tensorflow服务一起使用。我尝试使用以下代码片段来准备这样的模型：
import tensorflow as tf
input0 = tf.keras.Input(shape=[2], name="input_0", dtype="int32")
input1 = tf.keras.Input(shape=[2], name="input_1", dtype="int32")
output = tf.keras.layers.Add()([input0, input1])
浏览 4提问于2022-09-28得票数 0
回答已采纳
当我试图保存和加载包含LSTM层的模型时，ValueError:未能找到从SavedModel加载的匹配函数，加载逗号失败了。
class RegNet(Model):
def __init__(self,
intermediate_dim=50,
state_dim=9,
name='RegNet',
**kwargs):
super(RegNet, self).__init__()
self.d1 = Dense(intermedi
浏览 7提问于2019-10-11得票数 3
我想在我的模型中改编gumbel-softmax。我发现了作者的tensorflow实现。我把它带到我的源代码中，并在lambda层中使用它来替代现有的softmax加速层。它工作了，但是当这个模型克隆其他模型时出现了问题，它得到了错误。有什么解决方案或经验来解决这个问题吗？
感谢您的阅读。
Traceback (most recent call last):
File "D:/dev/workspace/starcraftrlchallenge/python/saida_agent_example/zealotVsZealot/zealot_vs_zealot_v0_Propos
浏览 4提问于2019-05-14得票数 0
我尝试了文档中描述的所有选项，但没有一个允许我在tensorflow 2.0.0 beta1中保存我的模型。我还试图升级到TF2-RC (也是不稳定的)，但这甚至毁了我在beta中工作的代码，所以我现在迅速回滚到beta。
请参阅下面的最小复制代码。
我试过的是：
model.save("mymodel.h5")
NotImplementedError:将模型保存为HDF5格式需要该模型是一个功能模型或序列模型。它不适用于子类模型，因为这类模型是通过Python方法的主体定义的，而Python方法不能安全地序列化。考虑保存为Tensorflow SavedMode
浏览 2提问于2019-08-30得票数 8
回答已采纳
3回答
我在项目中有几个模型(modelA、modelB、modelC)，我希望在每个模型中覆盖保存方法，以便它具有适用于所有人的功能。
所以我为模特做了这样的东西：
class modelA(CustomClass, models.Model):
......
class CustomClass():
def save(self, *args, **kwargs):
# do something
# and now I want to call modelA.save() method
super(modelA, self).save
浏览 0提问于2016-05-23得票数 0
回答已采纳
我试着从模型中提取所有可训练的重量。在pytorch中，类似的事情可以通过单行p.grad.data for p in model.parameters() if p.requires_grad来完成，但是我很难在TF中找到一个简单的解决方案。
我目前的尝试如下：
sess = tf.Session()
... #model initialization and training here
p = model.trainable_weights
p_vals = sess.run(p)
但是，最后一行会产生一个错误：
File "/.../lib/python3.5/site-
浏览 9提问于2020-04-20得票数 0
我使用的是来自以下存储库的Mask_RCNN包：https://github.com/matterport/Mask_RCNN。
我试图使用这个包训练我自己的数据集，但它在一开始就给了我一个错误。
2020-11-30 12:13:16.577252: I tensorflow/stream_executor/platform/default/dso_loader.cc:48] Successfully opened dynamic library libcuda.so.1
2020-11-30 12:13:16.587017: E tensorflow/stream_executor/cud
浏览 0提问于2020-11-30得票数 1
我试图在tensorflow的自定义损失函数中使用一个已经基于NN的训练模型。但是在另一个模型中使用这个自定义丢失函数时，我得到了一个错误。有人能帮我找出我在设计这个定制丢失函数时所犯的错误吗？
自定义丢失函数代码是以下
def custom_loss_function(y_true, y_pred):
model1= tf.keras.models.load_model('Loss_DT_Model')
test_pred = model1.predict(y_pred)
test_pred_revert = tf.math.arg
浏览 1提问于2021-08-17得票数 0
回答已采纳
1回答
利用TensorFlow对像素分类问题进行了前馈神经网络的训练和保存，测试精度达到95%。在这个模型中，我每个像素都有11个特征。当我保存并加载模型时，问题就出现了。与我在原始模型中使用的输入X和Y相同，加载模型的精度几乎为0%。但我希望得到同样的95%的准确性！下面是我使用的示例代码：
model = keras.Sequential()
model.add(keras.layers.Flatten(input_shape=(1, 11))) # my input shape (13851000, 11)
model.add(keras.layers.Dense(32, activatio
浏览 6提问于2020-10-18得票数 0
构建一个具有多个输出的子类模型，使用tensorflow数据集作为输入。自定义数据集。 使用keras fit来训练模型。 当我只使用训练数据集时，它可以运行。但是，一旦我使用相同类型的数据集作为验证输入，它就会出错：“检查模型目标时出错:预期没有数据，但得到了：” 数据类型类似于'tuple( Data，(target，target1))‘ tensorflow-gpu==1.12，tensorflow.keras 错误的信息 File "/home/god/anaconda3/envs/tensorflow_n/lib/python3.6/site-packages/te
浏览 23提问于2019-02-12得票数 0
回答已采纳
我正在使用TensorFlow和Keras训练一个模型。我想保存模型，然后加载它。但是我得到了一些错误。
我是这样编译这个模型的：
from tensorflow.keras.models import Model
import tensorflow as tf
model.compile(loss='categorical_crossentropy',
optimizer=adam,
metrics=['accuracy', top3, top5])
在训练之后，我以这样的方式加载模型：
model.s
浏览 94提问于2021-06-10得票数 0
我试图保存一个TensorFlow模型，其中包括一些后处理的标签。
考虑到一些分类标签，我有兴趣培训一个模型(例如，tf.keras.Sequential)，在该模型中，我以前对标签应用了一种单一的编码。这个模型是这样的：
model = tf.keras.Sequential([
tf.keras.layers.DenseFeatures(transform_features),
tf.keras.layers.Dense(64, activation='relu'),
tf.keras.layers.Dense(64, activation='
浏览 0提问于2019-11-25得票数 8
我正在使用keras (使用Tensorflow后端)训练一个模型，它的损失函数是由我(代码中称为custom_loss )定义的，我在培训期间以最好的精度保存该模型：
model = Sequential()
model.add(...)
adam = keras.optimizers.Adam(lr=0.001, beta_1=0.9, beta_2=0.999, decay=0.01)
model.compile(loss=custom_loss, optimizer=adam, metrics=['accuracy']) # better
filepath="
浏览 4提问于2020-03-28得票数 0
回答已采纳
我构建了这样一个简单的模型，将(32, 32, 1)的输入形状指定到第一个(也是唯一的)层：
import numpy as np
import tensorflow as tf
class Model(tf.keras.Model):
def __init__(self):
super().__init__()
self.conv = tf.keras.layers.Conv2D(64, 3, input_shape=(32, 32, 1))
def call(self, x):
x = self.conv(x)
return x
model =
浏览 1提问于2020-04-02得票数 0
回答已采纳
2回答
用角码书写自定义层的适当方法？
、、、、
我至少看到了三种在keras中创建自定义层的方法。
import tensorflow as tf
import numpy as np
from tensorflow.keras.layers import Dense, Input
from tensorflow.keras.models import Model
def reset_seed(seed=313):
tf.keras.backend.clear_session()
tf.random.set_seed(seed)
np.random.seed(313)
class Method1MLP(tf.ke
浏览 1提问于2021-01-05得票数 0
在我的keras中添加自定义丢失函数@tf.function后，keras模型停止加载(似乎保存模型，但不能重新加载模型)。文件显示这很简单但是..。
各种这样的答案表明，使用一个Keras版本训练的模型不能加载到其他Keras版本中。因此，我卸载了Keras 2.4.3 (从Anaconda env)，以避免任何混淆，并试图仅使用Tensorflow-keras建模和保存/加载。
所以，现在尝试保存一个Tensorflow-keras模型，然后再加载该模型，但是不会重新加载各种错误(如下)。环境是Anaconda3 python3.8 (带有Keras2.4.3，然后卸载它)和Tensorf
浏览 4提问于2020-11-26得票数 2
回答已采纳
1回答
我正在研究 (one vs all)分类问题。为此，我使用sigmoid函数和binary_crossentropy训练了Keras二进制分类器。我需要将它们集成到类似于的多类模型中，当我尝试这样做时，我得到了以下错误
ValueError: A target array with shape (32, 3) was passed for an output of shape (None, 2) while using as loss `binary_crossentropy`.
程序代码
for i in os.listdir(model_root): //loading all the m
浏览 0提问于2019-08-20得票数 0
我现在正在学习tensorflow 1.5.0和python 2.7.5。我尝试了models/ mnist.py /mnist中的官方代码，得到了以下错误消息。出什么问题了？
bash-4.2$ cd models/official/mnist
bash-4.2$ python mnist.py
INFO:tensorflow:Using default config.
INFO:tensorflow:Using config: {'_save_checkpoints_secs': 600, '_session_config': None, '_kee
浏览 20提问于2018-03-01得票数 0
在我的MVC3应用程序中，我的视图中有两个下拉列表"Category“和"SubCategory”，它们来自两个不同的模型。视图本身属于第三个模型。我正在使用NHibernate进行对象关系管理。
我的问题是如何级联这两个下拉列表。SubCategory下拉列表应根据在Category下拉列表中选择的值显示值。“Category”下拉列表从"Categories“模型检索值，"SubCategory”下拉列表从"SubCategories“模型检索值。这两个下拉列表显示在属于另一个模型"Expenses“的视图中。
请查看此代码片段以了解更多信息
浏览 0提问于2012-08-16得票数 0
我有一个GPUs实现，我正在尝试让学习在多个keras_yolo上工作，multi_gpu_mode选项听起来像是一个很好的起点。
然而，我的问题是，相同的代码在单个CPU/GPU设置中运行得很好，但由于NameError而失败:在作为multi_gpu_mode模型运行时，没有定义名称'yolo_head‘。完整的堆栈：
parallel_model = multi_gpu_model(model, cpu_relocation=True) File "/home/ubuntu/anaconda3/envs/tensorflow_p36/lib/python3.6/sit
浏览 9提问于2018-12-19得票数 0
3回答
我有一个预先训练好的模型为.pth扩展格式。我想把它转换成Tensorflow协议。但我找不到任何方法来做到这一点。我见过onnx可以将模型从pytorch转换为onnx，然后再从onnx转换为Tensorflow。但是使用这种方法，我在转换的第一阶段得到了以下错误。
from torch.autograd import Variable
import torch.onnx
import torchvision
import torch
dummy_input = Variable(torch.randn(1, 3, 256, 256))
model = torch.load('.
浏览 2提问于2018-04-25得票数 2
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
云直播活动推荐
腾讯云开发者
