tensorflow 2.0中tf.contrib.image.transform的等价物是什么?当我使用tf_upgrade_v2转换脚本时,我得到以下错误: ERROR: Using member tf.contrib.image.transform in deprecated module tf.contrib. tf.contrib.image.transform cannot be converted automatically. tf.contrib will not be distributed with TensorFlow 2.0, please consider an a
我想在Tensorflow中形成一个损失函数,它依赖于一个矩阵,该矩阵包含一组嵌入的(平方)欧几里德距离的所有组合。在numpy中,如下所示: # E is (batch_size,N,32)
N=100
D = np.zeros((batch_size,N,N))
for x in range(N):
for y in range(N):
D[:,x,y] = np.sum(np.square(E[:,x,:]-E[:,y,:]),axis=1) 我如何在Tensorflow/Keras中编写代码,而不使用嵌套的for循环,或者根本不使用for循环?
我想将torch.nn.fold函数转换为tensorflow。
在tensorflow中有类似于nn.fold的函数吗?
import torch
import torch.nn as nn
import torch.nn.functional as F
z = F.fold(z, kernel_size=s, output_size=(H1, W1), stride=s)
“”“
我正在使用keras2.0.2为分类任务创建一个lstm网络。网络拓扑如下:
from numpy.random import seed
seed(42)
from tensorflow import set_random_seed
set_random_seed(42)
import os
#os.environ['PYTHONHASHSEED'] = '0'
model = Sequential()
model.add(embedding_layer)
model.add(LSTM(units=100)) #line A
model.add(Dro
是否有一种方法在自定义Keras损失函数中重塑TF张量?我定义了一个卷积神经网络的自定义损失函数?
def custom_loss(x, x_hat):
"""
Custom loss function for training background extraction networks (autoencoders)
"""
#flatten x, x_hat before computing mean, median
shape = x_hat.get_shape().as_list()
ba
我正在尝试收集keras中张量中特定张量/(向量/矩阵)的索引。因此,我尝试在tf.where中使用tf.gather来获取要在gather函数中使用的索引。
但是,在测试相等性时,tf.where为匹配值提供了元素级索引。我希望有能力找到张量(向量)的索引(行),这些张量等于另一个张量。
这对于在张量中找到匹配一组感兴趣的一热向量的一热向量特别有用。
到目前为止,我有一些代码来说明它的缺点:
# standard
import tensorflow as tf
import numpy as np
from sklearn.preprocessing import LabelBinariz
当使用tensorflow时,我不想麻烦安装Cuda。现在,在使用pip安装当前版本(2.4.1)并运行任何代码之后,我将收到大量错误消息
2021-02-22 18:03:10.286577: W tensorflow/stream_executor/platform/default/dso_loader.cc:60] Could not load dynamic library 'libcudart.so.11.0'; dlerror: libcudart.so.11.0: cannot open shared object file: No such file or di
我试图开始学习一些机器学习,并尝试导入Tensorflow,但我得到了一个ModuleNotFoundError:
ModuleNotFoundError: No module named 'tensorflow.python.ops.numpy_ops'
当前的代码只是试图导入包:
import os
import sys
import math
import numpy as np
import pandas as pd
from sklearn.preprocessing import MinMaxScaler
from tensorflow.keras import L
我正在重写与TF 2.0兼容的代码。不幸的是,网站提供的几乎每个示例都使用keras。但是,我想编写带有原始tensorflow函数的代码。
在某种程度上,在培训过程中计算和应用梯度的新方法如下所示(从窃取的代码):
# Optimization process.
def run_optimization(x, y):
# Wrap computation inside a GradientTape for automatic differentiation.
with tf.GradientTape() as g:
pred = logistic_regre
运行python3脚本后,我得到以下语句,但不知道这3个错误来自何处。我使用的是cudnv5.0,但显然我在安装过程中的某个地方出了问题。任何帮助都是很棒的。
I tensorflow/stream_executor/dso_loader.cc:108] successfully opened CUDA library libcublas.dylib locally
I tensorflow/stream_executor/dso_loader.cc:108] successfully opened CUDA library libcudnn.dylib locally
I tensorflo
我正在尝试用tf.xyz模块实现以下功能,这些模块在TensorFlow 中可用。这个基于NumPy的函数以3D矩阵为输入,用最后一列的值检查条件,并返回满足条件的前两列的值。
我很难将这个基于NumPy的模块转换为TensorFlow张量,我想将这些模块作为lambda层添加到我的模型中。有什么建议吗?
我正在尝试使用tf.greater()和tf.slice(),但没有获得与该函数的NumPy版本相同的输出。
# NumPy based function on 3D matrix:
def fun1(arr):
return arr[arr[:,2] > 0.95][:,:2]