我的模型结构如下所示。
我已经构建了model_1并获得了loss_1。此外,我尝试在get_loss()函数中添加pretrained_model的预测过程,在该函数中我可以获得out_1。我想把loss_1和loss_2的和作为model_1的直接损失。
由于tensorflow的静态图形机制,作为keras的后端,我的代码似乎是错误的。
我怎么发动汽车呢?
def get_loss(y_true, y_pred):
loss_1 = fun(y_true, y_pred) # this line is OK
loss_2 = pretrained_model(
在模型创建和模型编译过程中到底发生了什么?为什么Model中不包含compile?在tensorflow图和会话方面发生了什么?
示例代码:
# model creation
model = Model(inputs, outputs)
# model compile
model.compile(optimizer='adadelta', loss='binary_crossentropy')
我遇到的问题是,我不能成功地把我的训练批次分成多个GPU。如果使用来自multi_gpu_model的tensorflow.keras.utils,则tensorflow将在所有可用的gpu(例如2)上分配全部内存,但如果监视nvidia,则只使用第一个gpu (gpu)达到100%。
我现在用的是tensorflow 1.12
单装置试验
model = getSimpleCNN(... some parameters)
model .compile()
model .fit()
正如预期的那样,数据由cpu加载,模型在gpu上运行,gpu利用率为97% - 100%:
创建mult
当我学习使用tensorflow.keras.Model(tensorflow.version=2.0.0),构建模型时,我将按以下方式编译我的模型:
import tensorflow as tf
x = tf.keras.layers.Input(shape=(2,))
y = tf.keras.layers.Dense(3, activation='softmax')(x)
model = tf.keras.Model(x,y)
model.compile(
loss='binary_crossentropy',
optimizer=tf.
在从云存储导出经过培训的模型之后,我试图在Google上创建一个模型,但我得到的错误是:
Create Version failed. Model validation failed: SavedModel must contain exactly one metagraph with tag: serve For more information on how to export Tensorflow SavedModel, seehttps://www.tensorflow.org/api_docs/python/tf/saved_model.
所以我在我的训练中只有一个TensorFlo