我正在做一个ML项目,并使用Tensorflow支持的keras。我需要在我本地的windows机器上进行Python3.5的训练部分,保存模型,然后将模型复制到linux上的虚拟机(也运行3.5),该虚拟机将使用该模型进行预测。
任务看起来非常清晰和简单,但是我在调用predict函数时得到一个错误。
ValueError: Tensor Tensor("activation_1/Sigmoid:0", shape=(?, 1), dtype=float32) is not an element of this graph.
我认为这可能是平台差异的问题,所以我在Linux机
想问问是否有任何适合视频的面部检测方案,最好是几天左右的训练时间,而不是像Viola那样的几个星期。我读过关于LBP的文章,但它也需要大量的训练样本,但不确定需要多长时间。训练LBP花费的时间是否与具有相似训练集的Viola方法相同?我将在一个微处理器上实现这一点,比如运行在linux操作系统上的raspberry pi。将希望在C上实现它的速度,因为我希望它能够检测到10 for 20 for视频流中的图像。
我正在尝试从这个存储库中重现结果:。我没有Linux,所以不能安装代码使用的word2vec包,但它只用于加载预先训练好的word2vec模型,所以Gensim应该可以完成这项工作。
问题是,scholar使用的预训练模型存储在一个pickle文件(在的“已处理文件”下提供) postagged_wikipedia_for_word2vec_30kn3kv.pkl中。
当我试图打开这个文件时,我得到了ModuleNotFoundError No module named 'word2vec'。我进入了pickle文件(在记事本中),并将开头的word2vec更改为gensim.
我将Sports_1M caffe模型转换为Keras,并将其作为预训练模型使用到新的Keras模型中,我还加载了预训练的权重。
我删除了预先训练过的模型的顶层,最后与New连接起来。我不想再次训练加载的预训练模型(只是想使用预训练模型的嵌入,并使用它来训练我的新的Keras模型)。
代码如下所示:
from keras.models import model_from_json
from keras import backend as K
K.set_image_dim_ordering('th')
model = model_from_json(open('/co