我正在尝试将笔记本"“改编成我自己的数据集。Keras模型已经生成并转换为Tensorflow模型(使用tensorflowjs_converter --input_format keras us.keras tfjs_model/us),我现在尝试将它与tensorflow.js一起使用,但是当使用tensorflow.js时,预测结果是不同的(错误的)。
下面是预测Python代码,它给出了正确的结果:
from keras.preprocessing import image
from tensorflow import keras
import numpy as np
art
我正在测试加载TensorFlow.js模型,并试图测量预测所需的毫秒数。例如,第一次,预测值大约需要300毫秒,但从第二次试验开始,时间缩短到13~20毫秒。我不是在计算模型加载的时间。我只计算模型加载后的预测值。
有人能解释为什么预测价值的时间会缩短吗?
// Calling TensorFlow.js model
const MODEL_URL = 'https://xxxx-xxxx-xxxx.xxx.xxx-xxxx-x.xxxxxx.com/model.json'
let model;
let prediction;
export async function ge
我是CNN和机器学习的新手,我一直在努力学习TensorFlow的图像分类教程。
现在,Google可以找到了。我一直在跟踪 of TensorFlow。我稍微修改了一下,所以它将模型保存为h5格式而不是tf格式,这样我就可以使用Keras‘model.predict_classes了。
现在,我已经训练了模型,模型从保存的模型重新加载,好的。但是,每当我试图预测图像时,我就反复得到list index out of range错误,我就是这样做的:
def predict():
image = tf.io.read_file('target.jpeg')
image
我有一个保存模型,我想为新的数据预测加载模型。我有新的数据,我已经预测了模型,但是预测的结果是完全错误的。我是否必须再次预先处理新的数据来预测模型?
这是我的保存模型代码:
import numpy as np
from numpy import loadtxt
import matplotlib.pyplot as plt
import pandas as pd
dataset = pd.read_csv('Data_Sensor.csv')
dataset.head()
X = dataset.iloc[:, 1:3].values
y
我试图通过Tensorflow会话使用Keras模型。但model.predict和sess.run的结果不同。有没有办法通过Tensorflow会话来处理Kers模型?
Tensorflow版本: 1.4.0
Keras版本: 2.1.1
from sklearn.datasets.samples_generator import make_circles
from keras.models import Sequential
from keras.layers import Dense
from keras.optimizers import SGD
import numpy as
我知道这里有几个问题,但我还没有找到一个完全适合我的问题。我正试图将来自Pandas DataFrames的数据安装到LSTM中,但对我必须提供的格式感到困惑。我创建了一个小代码片段,它将向您展示我试图做的事情:
import pandas as pd, tensorflow as tf, random
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import LSTM, Dense
targets = pd.DataFrame(index=pd.date_range(start=
我使用的是tensorflow-gpu 1.10.0和Keras-GPU2.2.4与Nvidia gtx765M(2GB) GPU,操作系统是Win8.1-64位-16 2GB内存。
我可以使用560x560 pix映像和批处理大小=1来训练网络,但是在训练结束后,当我尝试测试/预测时,我会得到以下错误:
ResourceExhaustedError: OOM when allocating tensor with shape[20,16,560,560] and type float on /job:localhost/replica:0/task:0/device:GPU:0 by all
我正在研究一个神经网络,它可以预测二元选择。当我尝试提取预测时,它不起作用,并给出了这样的跟踪:
2017-09-03 13:52:59.302796: W tensorflow/core/framework/op_kernel.cc:1148] Invalid argument: Shape [-1,2] has negative dimensions
2017-09-03 13:52:59.302843: E tensorflow/core/common_runtime/executor.cc:644] Executor failed to create kernel. Invalid a
我有一个基本的tensorflow服务的码头集装箱,暴露在库伯内特斯吊舱模型。
FROM tensorflow/serving:2.6.0
RUN mkdir /serving_model
WORKDIR /serving_model
COPY src/serving_model /serving_model
EXPOSE 5225 #(5225 is the port all the pods talk to each other on)
ENTRYPOINT tensorflow_model_server --rest_api_port=5225 --model_name=MyMod
在图像大小为6950x3715和3个通道(R,G,B)的图像中,我想使用具有256x256和3个通道(R,G,B).However的训练图像的keras模型来识别树木,当用大小(6950x3715)对图像进行预测时,在检查输入时存在“误差:期望conv2d_input有4个维,但得到形状为(25006,17761,3)的数组”。
如何使用已经建立的模型预测图像并将这些树导出到shapefile中?
import tensorflow as tf
from tensorflow import keras
from tensorflow.keras import backend as K
from
我正在尝试通过TensorFlow网站上的教程设置TensorFlow,并得到以下错误
Uncaught (in promise) Error: No backend found in registry.
at Engine.getSortedBackends (engine.js:248)
at Engine.initializeBackendsAndReturnBest (engine.js:257)
at Engine.get backend [as backend] (engine.js:94)
at Engine.makeTensor (engine.
我有一个简单的猫或狗cnn模型。我的模型的验证准确率为80%,训练精度为84%。
import keras
import tensorflow as tf
from keras.models import Sequential
from tensorflow.keras.layers import Conv2D
from tensorflow.keras.layers import MaxPooling2D
from tensorflow.keras.layers import Flatten
from tensorflow.keras.layers import Dense
import n
**我使用了以下代码来生成数据**
train_gen = image.ImageDataGenerator(
rescale = 1.0/255, # rescaling image from 0-255 to 0-1
rotation_range = 40, # 40 degree of random rotation
zoom_range = 0.3, # not using zoom as zooming might make classification difficult
horizontal_flip =
我正在尝试通过tensorflow.keras来转移学习,但是有些事情并不成功。训练显示出一个很好的曲线(训练损失和验证损失很好地下降,validation_accuracy增加到90%)。到目前为止一切顺利。我的问题是,测试单个映像会导致选择一个完全不同的类。我做错了什么?我猜是在对单个图像的预处理中。但也许这是个错误的假设,而且我受过训练的VGG16真的很糟糕.
谢谢米希尔。代码如下
import tensorflow as tf
from tensorflow import keras
from tensorflow.keras import layers
from tensor
更新
因此,我的目标是创建一个机器学习程序,它获取一个用户给出的训练号码列表,并尝试预测他们接下来可能选择的数字。我对机器学习相当陌生,我想让这个快速的项目只是为了好玩。我遇到的一些问题包括:不知道如何更新培训标签以对应下一个数字的培训,以及如何预测下一个数字。以下是我的当前代码:
import tensorflow as tf
from tensorflow import keras
import numpy as np
import matplotlib.pyplot as plt # I will add a visualization and other things later