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
我遵循了本教程来训练一个pytorch模型,例如分段:
我不想训练一个完全不同的数据和类别的模型,完全不相关的可可。我需要做什么改变来重新训练模型。从我的阅读来看,我猜想除了有正确的课程数量之外,我只需要训练这一行:
model = torchvision.models.detection.maskrcnn_resnet50_fpn(pretrained=True)
至
model = torchvision.models.detection.maskrcnn_resnet50_fpn(pretrained=False)
但是我注意到还有另外一个参数:pretrained_backbone=T
我使用这个code (由@user2019716回答)将.tif转换为.jpeg,以便在tensorflow对象检测API上使用。我以前做过转换,没有问题,但今天由于某种原因,我收到了一个No such file or directory: '__0.tif'错误,我不明白为什么会发生这种情况。我检查了我放在C:/Users/name/Desktop/phantom80_labelImg/TIF/中的目录,有一个从__0.tif到__34.tif的.tif文件列表。我知道代码可以工作,因为我以前用过它,但我不知道为什么它现在不能读取文件.tif文件。 有什么建议吗? impo
我有以下问题:我已经使用deepchem创建了一个模型,这是一个包装的keras模型,训练它并重新加载它。我可以毫不费力地预测使用这个模型。现在我想复制这个模型,它少了一个输入,因为在我的使用场景中,一个输入总是不变的,总是传递它会导致我无法编辑的函数中的错误。
data = np.array(data.data, dtype=float32)
with tf.Graph().as_default() as temp_graph:
tf.import_graph_def(self.model.session.graph.as_graph_def(),
我试图用Tensorflow的(2.5) Keras创建一个顺序模型。
在对我的模型进行培训之后,我发现我无法保存我的模型,因为没有实现层ModuleWrapper的配置,这给我带来了很多混乱,因为我是而不是,而不是使用任何名为'ModuleWrapper‘的层。我也没有使用任何自制的图层。
经过大量的测试,我发现不知怎么不认识到它自己的层,而用抽象类(?)ModuleWrapper。
任何关于为什么会发生这种情况的帮助都是非常感谢的!
导入
import tensorflow as tf # version 2.5
from tensorflow import keras
fro
我在导入我的包的时候遇到了这个错误。我还没能找到解决这个问题的正确方法。任何帮助都是非常感谢的。
据我所知,这可能是Tensorflow的问题?
from sklearn.model_selection import train_test_split
import pandas as pd
import tensorflow as tf
import tensorflow_hub as hub
from datetime import datetime
import bert
from bert import run_classifier
from bert import optimizat
我是机器学习的新手。我跟踪这个的微调VGG16模型。
模型很好地加载了以下代码:
vgg_model = tensorflow.keras.applications.vgg16.VGG16()
但是得到了这个错误:
TypeError: The added layer must be an instance of class Layer. Found: <tensorflow.python.keras.engine.input_layer.InputLayer object at 0x000001FA104CBB70>
运行此代码时:
model = Sequential()
fo
我正在探索将MaskRCNN模型()部署到移动设备。该模型基于tensorflow-1.x和Keras-2构建,具有一些自定义代码,但主要依赖于keras.models.model作为其核心。
我主要关心的是内存需求:当批处理大小= 1时,在tensorflow分配器发送"allocation over 10% of system memory“警告后,程序在加载权重的过程中被终止。有没有什么既脏又简单的方法可以压缩模型的大小,而对源代码的改动最小?比如,将tf/keras默认数据类型全局设置为float16,或者丢弃接近于零的权重。
我是个生手,当我阅读一个关于掩码rcnn .I的项目的源代码时,我不知道从哪里可以得到一些关于一些我不理解的.The官方文档似乎不太详细的信息?
# load an instance segmentation model pre-trained pre-trained on COCO
model = torchvision.models.detection.maskrcnn_resnet50_fpn(pretrained=True)
# get number of input features for the classifier
in_features = model.roi_heads.b
我目前正在参加Coursera-人工智能、机器学习和深度学习的TensorFlow入门课程。我在下面的代码中遇到一个错误。
这是我的python代码,
# y = 2x - 1
import tensorflow as tf
# helps us to represent our data as lists easily and quickly
import numpy as np
# framework for defining a neural network as a set of Sequential layers
from tensorflow import keras
# Th
Google似乎在试图导入Tensorflow时抛出了以下错误,而它几周前还在工作。
%tensorflow_version 1.x
import sys
import codecs
import tensorflow as tf
from tqdm import tqdm
from chardet import detect
from keras_radam import RAdam
from keras import backend as K
from keras_bert import load_trained_model_from_checkpoint
import os
import
我有一个转换tflite的代码。这是代码: from tensorflow import lite
from tensorflow.keras
import models
# Parameters
keras_model_filename =
'wake_word_stop_model.h5'
tflite_filename = 'wake_word_stop_lite.tflite'
# Convert model to TF Lite
model
model = models.l
我试图在推理模式下运行。它基本上是运行以下代码
但是,当我运行它时,在创建模型时会出现以下错误:
ValueError: Tried to convert 'shape' to a tensor and failed. Error: None values not supported.
下面是堆叠痕迹:
Traceback (most recent call last):
File "/snap/pycharm-community/128/helpers/pydev/pydevd.py", line 1758, in <module>
m
我正在使用TensorFlow version=2.0.0、python version=3.7.9和我试图导入以下内容:
import tensorflow.contrib.layers as layers
我知道这个错误:
Exception has occurred: ModuleNotFoundError
No module named 'tensorflow.contrib'
正如我在本中所读到的,tensorflow.contrib在2.0中并不存在。有谁知道有什么可以替代的吗?我试图将我的代码从1.0升级到2.0,因为我不想使用Tf1.0。我正在使用这个包来建立一