tensorflow服务请求错误，{第二个输入必须是标量，但其形状为[1] }
TensorFlow是一个开源的机器学习框架，用于构建和训练各种机器学习模型。它提供了丰富的工具和库，使开发者能够轻松地创建和部署机器学习应用。
针对你提到的错误信息，"tensorflow服务请求错误，{第二个输入必须是标量，但其形状为[1]}"，这是由于在使用TensorFlow服务时，第二个输入的形状不符合要求。具体来说，TensorFlow要求第二个输入必须是一个标量（即只有一个值），但是你提供的输入形状为[1]，即一个包含一个元素的向量。
为了解决这个问题，你可以通过以下步骤进行调试和修复：
- 检查输入数据：确保你提供的第二个输入是一个标量值，而不是一个包含一个元素的向量。你可以使用TensorFlow的函数或方法来确保输入的形状符合要求。
- 转换输入数据：如果你的输入数据是一个向量，你可以使用TensorFlow的函数或方法将其转换为标量。例如，你可以使用
tf.reduce_sum()函数对向量进行求和，得到一个标量值。 - 调整模型结构：如果你的模型结构需要接受一个向量作为输入，而不是标量，那么你需要相应地调整模型的输入层。确保模型的输入层与你提供的数据形状相匹配。
总结起来，当遇到"tensorflow服务请求错误，{第二个输入必须是标量，但其形状为[1]}"这个错误时，你需要检查和修复输入数据的形状，确保第二个输入是一个标量值。如果需要，你还可以调整模型的输入层来适应你的数据形状。
关于TensorFlow的更多信息和使用方法，你可以参考腾讯云的相关产品和文档：
- 腾讯云TensorFlow产品介绍：https://cloud.tencent.com/product/tensorflow
- 腾讯云TensorFlow文档：https://cloud.tencent.com/document/product/851
相关·内容
假设我使用Tensorflow的Python创建了一个张量，如下所示，
x = tf.placeholder("float", shape=[None, inputLen])
我想在C++中创建一个tensorflow：：张量等价的张量，这样我就可以运行一个以x作为输入的经过训练的图。我应该如何处理输入形状的第一个维度，它在C++中是tensorflow::TensorShape类型？
如果我这样做了：
tensorflow::TensorShape inputShape;
inputShape.AddDim(0);
inputShape.AddDim(inputLen);
它
浏览 4提问于2015-12-20得票数 3
回答已采纳
工作在简单的softmax tensorflow分类与4个特征/输入和3个输出。
要保存结果:输入与预测输出与实际输出相比较，对所有张量执行tf.concat并打印(Tensor.eval())以检查结果。
在实际用例中，想知道哪些是检查结果的最佳方法，这些结果不是标量(因此，张量板标量不是选项)，而是not类型的结果。有什么工具可以用张量输出来绘制图？转储到文件(数据可能很大，很难分析)？转储到数据库？取决于实时需求，但寻找任何工具插件输出的tensorflow。
请分享你的想法。谢谢!
浏览 8提问于2017-04-14得票数 0
回答已采纳
1回答
我试图在Tensorflow图中使用条件随机场损失。
我正在执行一个序列标记任务：
我有一个元素序列作为输入[A, B, C, D]。每个元素可以属于三个不同的类中的一个。类以一种热编码的方式表示:属于0类的元素由向量‘1，0，0’表示。
我的输入标签(y)有大小(batch_size x sequence_length x num_classes)。
我的网络产生相同形状的日志。
假设我所有的序列都有4。
这是我的密码：
import tensorflow as tf
sequence_length = 4
num_classes = 3
input_y = tf.placeholder(
浏览 0提问于2018-06-29得票数 1
回答已采纳
当我指定tf.random_normal([1])时，它工作得很好，但当我指定tf.random_normal((1))时，我得到
ValueError: Shape must be rank 1 but is rank 0 for 'random_normal_24/RandomStandardNormal' (op: 'RandomStandardNormal') with input shapes: [].
此行为适用于许多需要在Tensorflow中输入shape的函数。
这是正常的吗？还是说这是个bug？许多教程和书籍都使用圆括号，但根据行为，方括号似
浏览 0提问于2018-04-21得票数 1
我想拍一张彩色照片的照片。这意味着我需要一个三维输入，因此我喜欢使用conv3d和conv3d_transpose。
不幸的是，在TensorFlow文档中，我找不到输出形状的任何公式。有人能告诉我如何找到函数结果的形状吗？
浏览 0提问于2018-01-07得票数 4
回答已采纳
我目前正在尝试设置一个TensorFlow服务客户机，该客户端的任务是处理以下格式的消息队列：
{
"model_url":"http://path/to/some/model",
"image_url":"http://path/to/some/image"
}
换句话说，每一条信息都表示应该使用哪一种模型来预测哪些图像。理想情况下，我不需要在队列中指定任何进一步的信息才能工作。
不过有两个问题。输入图像的大小可能会变化，而预期的输入大小是固定的(由模型决定)。因此，客户端必须调整图像的大小。为此，它必须知道预期的输入大
浏览 1提问于2019-01-29得票数 1
回答已采纳
2回答
我使用了来自：的代码，通过修改类的数量来进行二进制分类。对模型进行了无问题训练，取得了良好的精度。
在接下来的步骤中，我希望恢复经过训练的模型，做预测。我学习了TensorFlow中的教程“保存和恢复”。但是，我必须以标准的SavedModel格式导出我的模型(而不是自动保存的tf.estimator.Estimator模型)。我在代码中添加了这个serving_input_reciever_fn：
def serving_input_receiver_fn():
serialized_tf_example = tf.placeholder(dtype=tf.string, shap
浏览 0提问于2018-01-19得票数 0
这是一个非常基本的张量板标量日志：
import numpy as np
import tensorflow as tf
a = np.arange(10)
x = tf.convert_to_tensor(a, dtype=tf.float32)
x_summ = tf.summary.scalar("X", x)
writer = tf.summary.FileWriter('/tmp/logdir')
writer.add_summary(x_summ)
但是，我在add_summary中得到了summary.value中值的一个错误：
Attribute
浏览 1提问于2018-08-10得票数 3
回答已采纳
我见过和我想训练一个模特
哪里
我试过的
#!/usr/bin/env python
"""Example for learning a regression."""
import tensorflow as tf
import numpy
# Parameters
learning_rate = 0.01
training_epochs = 1000
display_step = 50
# Generate training data
train_X = []
train_Y = []
f = lambda x: x*
浏览 2提问于2015-12-16得票数 8
我需要在tensorflow中将形状(1，)的一维张量转换为标量1或()，以便在tf.cond中使用。 但问题是tf.cond(number <T,treu_fn=..,false_fn=..数的形状是(1，)，而T ()只是一个标量。 示例代码片段： number = tf.gather_nd(number_buffer,indices)
number = tf.cast(number,dtype=tf.int32) #T is const of type int32
result = tf.cond(number < T,lambda: tf.add(i,1),lambda
浏览 60提问于2021-02-07得票数 1
回答已采纳
1回答
我的问题是关于LSTMs，特别是如何在TensorFlow构造函数中指定LSTM单元的各种输入和输出的形状。我的理解是，LSTM单元有以下六种输入和输出：
1 External input/output
2 Hidden State input/output
3 Context State input/output
我也相信，每一个都是一个具有指定长度的向量。我的问题是:当我在我的TensorFlow模型中添加一个LSTM时，如何指定不同的向量长度？
浏览 0提问于2021-10-12得票数 0
回答已采纳
当我试图将两个形状依赖于向量化函数中的函数输入时，我遇到了一个"InvalidArgumentError: PartialTensorShape: merge期间不兼容的形状“错误(尽管输出形状对于每个a，b对都是相同的)。下面是情况的一个例子。
import tensorflow as tf
def test_fn(inputs):
a,b = inputs
out = tf.concat([tf.ones(a),tf.zeros(b)],0)
return out
a = tf.constant([5,4,3,2])
b = tf.constant([
浏览 7提问于2021-12-28得票数 1
我正在尝试使用Keras模型为我的(19502,3)数据建立一个预期模型。我使用了两个隐藏层(第一个带有输入层)和一个输出层。我仍然对这些层的输入形状感到困惑。我插入的图层正确吗？
这个模型给了我一个南南预测。有人能告诉我我的代码出了什么问题吗？
另一个问题:第一个隐藏层的输入形状必须具有X_train的形状，即(14626，)。然而，当我使用input_shape=(14626 )时，我得到了一个错误。
任何帮助都将不胜感激！
谢谢
亚历克斯
ValueError Traceback (most recent call last)
浏览 11提问于2022-08-12得票数 0
回答已采纳
我正在尝试用tensorflow后端在keras中训练一个预先训练过的inceptionv3模型。
我有一个训练数据集，大小为10,000张图片(299,299张)(它们是灰度)。我将其转换为tensorflow的输入形状为(10000,299,299,1)。当我试图拟合inceptionv3模型时，我得到了一个错误
ValueError:检查输入时出错:期望input_1具有形状(无，3)，但得到了形状数组(10000,2999,299，1)
我尝试更改张量的输入形状，使用
input_tensor = Input(shape=(299,299,1))
base_model = In
浏览 1提问于2017-06-30得票数 1
回答已采纳
1回答
我试图在Tensorflow中生成一个简单的线性模型。这是密码..。
N = 400
features = 100
nSteps = 1000
data = (np.random.randn(N, features), np.random.randint(0, 2, N))
W = tf.placeholder(tf.float32, shape=(features,1), name='W')
b = tf.placeholder(tf.float32, shape=(features,1), name='b')
d = tf.consta
浏览 1提问于2017-09-26得票数 1
回答已采纳
我是深度学习的初学者，正在构建一个根据图像确定人的程序。但是我的神经网络显示出一个错误，我不知道如何修复它- model.fit(imgs_array,Y,batch_size = 401, epochs = 2, validation_split = 0.2)
File "/Library/Frameworks/Python.framework/Versions/3.8/lib/python3.8/site-packages/tensorflow/python/keras/engine/training.py", line 1527, in fit
x, y,
浏览 13提问于2020-03-20得票数 0
我是tensorflow的新手，需要做一些在任何其他环境下都不会那么困难的事情。
我需要取一个形状为(?，224,224，3)的张量，并对每个元素应用一个操作，保持大小不变。我尝试过tf.map_fn( myFunc，data)，但似乎传递给myFunc的是原始张量的子集。
有没有什么简单的方法可以直接说“对张量中的所有东西执行这个操作”？
浏览 0提问于2017-09-26得票数 0
我试图将一个单一的300x300x300张量输入到tensorflow中的占位符中，虽然我使用的是imgs = tf.placeholder(tf.float32, [1, 300, 300, 300, 3])，但我得到的是ValueError
Traceback (most recent call last):
File "tfvgg.py", line 265, in <module>
prob = sess.run(vgg.probs, feed_dict={vgg.imgs: train_data})
File "/home/entelechy/tf
浏览 0提问于2017-04-04得票数 0
回答已采纳
检查冻结的tensorflow模型： wget https://storage.googleapis.com/download.tensorflow.org/models/inception_v3_2016_08_28_frozen.pb.tar.gz 我看到输入大小是Tensor 'input:0', which has shape '(1, 299, 299, 3)'，我想知道有没有可能让输入(None, 299, 299, 3)在batch_size > 1的情况下进行有效的批量预测？
浏览 14提问于2019-07-04得票数 1
回答已采纳
我想得到tf.cholesky的梯度相对于它的输入。到目前为止，tf.cholesky还没有注册梯度：
LookupError: No gradient defined for operation 'Cholesky' (op type: Cholesky)
用于生成此错误的代码是：
import tensorflow as tf
A = tf.diag(tf.ones([3]))
chol = tf.cholesky(A)
cholgrad = tf.gradients(chol, A)
虽然我可以自己计算梯度并注册它，但据我所知，我所看到的计算Cholesky梯度的唯一方法
浏览 3提问于2015-11-27得票数 5
回答已采纳
2回答
对于一个项目，我想用Tensorflow训练一个神经网络。
我的培训数据来自CSV文件(请参阅)。因此，输入元素是5个浮动的向量，而我的标签元素是标量。我想培训超过100批50人的网络。
由于我的输入数据是向量，我不知道如何定义占位符的形状(x = tf.placeholder(tf.float32,[None,?????]))。使用下面的当前代码，我将得到以下错误：
ValueError:形状必须是2级，但对于输入形状：、05、30的“MatMul”(op：“MatMul”)，则为1级。
(见)
我做错了什么？
# coding: utf-8
# In[2]:
import t
浏览 0提问于2018-04-09得票数 0
1回答
假设我有一个64x64x64的3D图像。我还有一个向量x，它的长度是64。
我想把'argmax(x)‘层像这样：
2d_image = 3d_image[:,argmax(x),:]
更精确(对于张力流)：
def extract_slice(x,3d_image):
slice_index = tf.math.argmax(x,axis=1,output_type=tf.dtype.int32) #it has to be int for indexing
return 3d_image[:,slice_index,:]
错误是：
Only integers,
浏览 1提问于2020-12-23得票数 0
回答已采纳
1回答
如何与扁平层连接
、、
我想在连接之前把输入压平，如下所示。
import numpy as np
import pandas as pd
import tensorflow as tf
from matplotlib import pyplot as plt
from tensorflow import keras
from tensorflow.keras import Model
from tensorflow.keras.callbacks import TensorBoard
from tensorflow.keras.layers import (
CategoryEncoding,
Co
浏览 6提问于2022-09-28得票数 1
1回答
我对tensorflow，keras很陌生，对tf如何对待它的输入和矩阵乘法以及爵士乐有些困惑。
你看，在线性代数(LA)中，你可以把反变向量看作列式(数学标准)。
或作为行矩阵
在某个地方我听说过：
是形状(n，)的张量，例如，1,2,3,4,5不被认为是“向量”。只有形状(n,1)和(1，n)的张量被认为是向量。但在许多手册中，人们使用这些词时没有任何系统。(根据tf) left. ， (n,1)被认为是列向量，但将这个列向量(n,1)发送给某个layer.call()作为输入，您可以看到它被当作行向量处理，因为它在右上被乘以了一个.w，但是对于面向列的LA，它必须被自
浏览 5提问于2020-11-05得票数 2
我通过代码将pascal voc数据集转换为tfrecords。我使用tf.contrib.data.Dataset读取数据。我使用的代码如下：
import tensorflow as tf
from tensorflow.contrib.data import Iterator
slim_example_decoder = tf.contrib.slim.tfexample_decoder
flags = tf.app.flags
flags.DEFINE_string('data_dir', '/home/aurora/workspaces/data/tfre
浏览 0提问于2017-10-11得票数 1
我已经建立并训练了我的CNN模型，我想对它进行测试。我写了一个脚本，从指定的目录路径接收输入图像，然后对图像进行预处理，并将像素值重新调整为0到1之间。我还将图像大小调整为正确的尺寸，并使用model.predict()给出预测。但是，当我运行代码时：
from keras.models import Sequential
from keras_preprocessing.image import *
from keras.layers import *
import tensorflow as tf
import numpy as np
from keras.layers.experimen
浏览 0提问于2020-10-27得票数 3
回答已采纳
这是我的密码-
import tensorflow as tf
SAVE_MODEL_PATH = "test/1"
class GetTopK(tf.Module):
def __init__(self):
self.wow = "wowness!"
@tf.function(input_signature=[
tf.TensorSpec(shape=(None, 5), dtype=tf.float32),
tf.TensorSpec(shape=None, dtype=tf
浏览 3提问于2021-12-29得票数 0
我是新来的ML和试用Keras模型。我想了解Keras模型到tf.Estimator，因此从不同的例子拼凑了代码。代码有三个关键部分-第一部分通过从文件夹读取一组图像创建TFRecord文件，第二部分从TFRecord文件中读取并提供给input_fn，第三部分是带有VGG16的Keras模型和一个简单的完全连接的层。
当前两部分代码正常工作时，我得到了这个错误-
'ValueError: logits and labels must have the same shape ((?, 1) vs (?,))'
训练的时候。正如另一个类似问题的答案所提到的，我尝试了expand
浏览 0提问于2018-09-19得票数 2
我有一些数据，我想做一个简单的TensorFlow神经网络。我已经对数据进行了预处理，因此它的形状是(18631,147个)，因此每个值大约有18000行。每一行都是自己的训练数据，我有另一个形状(18631，3)的数据，它为我可能尝试预测的三个不同变量(标记为1、2和3 )提供了基本真理。当我尝试运行model.fit时，我会发现一个奇怪的错误，我不明白：
ValueError:层稠密的输入0与层不兼容:输入形状的期望轴-1为值147，但接收到的输入为形状(147，1)。
我尝试准备输入TensorFlow的数据的方法是使用from_tensor_slices()函数，特别是使用代码：
浏览 4提问于2021-04-23得票数 2
在将keras模型引入生产环境时，tensorflow服务通常用作REST API。它有一些缺点，因为图像数据需要与网络输入层相同的输入格式，例如json中具有形状(300,300,3)的数组。实现这一点的唯一方法似乎是将tensorflow服务API封装到另一个服务中。
如何才能让tensorflow提供一个接受base64编码图像的keras模型，而不将其包装在另一个API中呢？
浏览 8提问于2019-07-15得票数 0
回答已采纳
我想为n个分类变量C_1，..，C_n创建一个分布，它的事件形状为n。使用JointDistributionSequentialAutoBatched，事件维度是list [[]，.，[]]。例如，对于n=2
import tensorflow_probability.python.distributions as tfd
probs = [
[0.8, 0.2], # C_1 in {0,1}
[0.3, 0.3, 0.4] # C_2 in {0,1,2}
]
D = tfd.JointDistributionSequentialAutoBatched([tfd
浏览 3提问于2021-02-05得票数 0
回答已采纳
我遵循关于函数的Tensorflow指南，根据我的理解，TF将跟踪和创建一个函数的图，每个调用都有一个不同的输入签名(即数据类型和输入形状)。但是，下面的示例使我感到困惑。TF不应该只执行一次跟踪和构造图，因为这两个输入都是整数并且具有完全相同的形状？为什么在调用函数时两次都会发生跟踪？
@tf.function
def a_function_with_python_side_effect(x):
print("Tracing!") # An eager-only side effect.
return x * x + tf.constant(2)
# This r
浏览 2提问于2021-12-21得票数 1
回答已采纳
2回答
我有一个数据集X，它包含N =4000个样本，每个样本由d =2个特性(连续值)组成，跨越t =10个时间步骤。我也有相应的‘标签’的每一个样本，也是连续的值，在时间步骤11。
目前，我的数据集是形状X: 4000,20，Y: 4000。
我想使用TensorFlow来训练一个LSTM来预测Y(回归)的值，考虑到之前的10个d特性输入，但是我在TensorFlow中实现这一点很困难。
我目前面临的主要问题是理解TensorFlow是如何期望输入被格式化的。我见过各种例子，如，但这些示例处理的是一大串连续时间序列数据。我的数据是不同的样本，每一个都是独立的时间序列。
浏览 0提问于2016-09-05得票数 25
回答已采纳
我想使用tensorflow tf.image.non_max_suppression函数。
我尝试了下面的两个片段：
indices = tf.image.non_max_suppression(
boxes=anchors_fit,
scores=rpn_cls_prob,
max_output_size=self.max_outputs_num,
)
indices,scores = tf.image.non_max_suppression_with_scores(
boxes=anchors_fit,
scores=rpn_cls_prob
浏览 6提问于2019-12-20得票数 0
回答已采纳
我正在试图计算PyTorch中变量的梯度。然而，有一个RuntimeError告诉我，输出和梯度的形状必须相同。然而，在我的例子中，输出和梯度的形状是不一样的。下面是我要复制的代码：
import numpy as np
import torch
from torch.autograd import Variable as V
ne = 3
m, n = 79, 164
G = np.random.rand(m, n).astype(np.float64)
w = np.random.rand(n, n).astype(np.float64)
z = -np.random.rand(n).a
浏览 2提问于2020-03-16得票数 7
回答已采纳
我正在尝试使用tensorflow.keras来训练一个神经网络，但是我不明白如何用一个numpy数组(在python3中)来训练它。
我试图改变这些层的输入形状，但是我真的不明白它是如何工作的。
import tensorflow as tf
from tensorflow import keras
import numpy as np
# Create the array of data
train_data = [[1.0,2.0,3.0],[4.0,5.0,6.0]]
train_data_np = np.asarray(train_data)
train_label = [[1,
浏览 1提问于2019-04-04得票数 1
回答已采纳
它主要是一个复制粘贴从教程，在网站上。我收到了一个错误：
无效参数: ConcatOp :预期的范围[0，0]中的连接维，但得到0[Node: concat = Concat]]
我的csv文件的内容是：
3，4，1，8 4
import tensorflow as tf
filename_queue = tf.train.string_input_producer(["test2.csv"])
reader = tf.TextLineReader()
key, value = reader.read(filename_queue)
# Default
浏览 0提问于2015-11-13得票数 13
回答已采纳
我有一个在MNIST上训练的模型，但是当我输入一个手工制作的图像样本时，它会引发ValueError:层顺序的输入0与层不兼容:输入形状的预期轴-1的值为784，但接收到的输入具有形状(无，1)。
我已经检查了模型的输入，它的形状与MNIST相同。x_train.shape (784年)和我的图像arr.shape (784年)请帮助！
..。
from tensorflow.keras.datasets import fashion_mnist
from tensorflow.keras.models import Sequential
from tensorflo
浏览 2提问于2021-02-13得票数 4
回答已采纳
乘法(x1，Wo1)时出现形状错误。但是我找不到原因。错误: ValueError:形状必须具有相同的等级，但必须是0和2
将形状0与其他形状合并。对于具有输入形状的'add_2/x‘(op：'Pack')：[]，20,1。
import tensorflow as tf
import numpy as np
import pandas as pd
import math
df1=pd.read_csv(r'C:\Ocean of knowledge\Acads\7th sem\UGP\datasets\xTrain.c
浏览 0提问于2017-09-18得票数 5
如果我在Tensorflow中定义一个自定义Op，是否可以为顶部提供两个内核，这两个内核对于输入的形状是否完全定义是多态的？例如，如果形状是完全已知/定义的，我可以在内核构造时构造一次特定的结构。
浏览 9提问于2017-03-08得票数 0
我已经从MLKit创建了.tflite文件，并在张量应用程序中使用，但应用程序崩溃并出现以下错误。 java.lang.IllegalArgumentException: Cannot convert between a TensorFlowLite buffer with 150528 bytes and a ByteBuffer with 786432 bytes.
at org.tensorflow.lite.Tensor.throwIfShapeIsIncompatible(Tensor.java:281)
at org.tenso
浏览 20提问于2019-10-17得票数 0
我有以下代码： import tensorflow as tf
import keras
from keras.datasets import cifar10
(x_train, y_train), (x_test, y_test) = cifar10.load_data()
import numpy as np
x_train = np.reshape(x_train, (x_train.shape[0], x_train.shape[1], x_train.shape[2], 3))
print(x_train.shape)
x_test = np.reshape(x_test,
浏览 22提问于2021-04-08得票数 1
回答已采纳
我有一个令人难以置信的简单算法，用"ValueError:当检查输入时出错:期望dense_4_input具有形状(无，5)但得到了与形状(5，1)的数组“.这是我正在运行的代码。
import numpy as np
import matplotlib.pyplot as plt
from keras.models import Sequential
from keras.layers import Dense
x = np.array([[1],[2],[3],[4],[5]])
y = np.array([[1],[2],[3],[4],[5]])
x_val = np.arr
浏览 1提问于2017-10-21得票数 0
回答已采纳
我试图在tensorflow中创建一个只有一个类的简单逻辑回归模型。但是，由于某些原因，tf.sigmoid函数返回的是数组类型，而不是标量。
从成本函数返回的值的类型是np.ndarray()
形状为(3390,2)
我不明白为什么tf.sigmoid函数会返回数组类型而不是标量……感谢您的帮助。
下面是我的代码：
#!/usr/bin/env python3
import tensorflow as tf
import numpy as np
import pandas as pd
from sklearn import preprocessing
from sklearn import
浏览 0提问于2017-10-22得票数 0
1回答
我是使用keras的神经网络新手，我有以下的训练样本输入形状(150528,1235)和输出形状是(154457,1235)，其中1235是训练示例，如何放置输入形状，我尝试了下面，但给了我一个
ValueError: Data cardinality is ambiguous:
x sizes: 150528
y sizes: 154457
Please provide data which shares the same first dimension.
代码：
import tensorflow as tf
from tensorflow import keras
from te
浏览 0提问于2021-01-26得票数 1
回答已采纳
我正在尝试采用一个预训练的keras模型，如下所示，但它需要一个输入作为张量。有人能帮助解决这个问题吗？ from keras.applications.vgg19 import VGG19
inputs = layers.Input(shape = (32,32,4))
vgg_model = VGG19(weights='imagenet', include_top=False)
vgg_model.trainable = False
x = tensorflow.keras.layers.Flatten(name='flatten')(vgg_mod
浏览 11提问于2021-11-01得票数 0
回答已采纳
我试图按以下方式安装一个tf.data.Dataset：
import tensorflow as tf
from tensorflow import keras
from tensorflow.keras import layers
INPUT_NEURONS = 10
OUTPUT_NEURONS = 1
features = tf.random.normal((1000, INPUT_NEURONS))
labels = tf.random.normal((1000, OUTPUT_NEURONS))
dataset = tf.data.Dataset.from_tensor_sli
浏览 5提问于2022-01-11得票数 0
回答已采纳
我希望我做得对(第一篇文章)。
我尝试使用tensorflow.keras对来自的数据进行分类。我知道在将参数传递到tf.keras.Sequential.fit()时，输入形状、输入数据的形状和目标的形状非常重要。
我得到的信息是：
ValueError:检查输入时出错:期望dense_159_input具有二维，但得到了带with ()的数组
以下是我所做的：
def loadDataset(file_name):
data = pd.read_csv("data/" + file_name)
# print(data.head(10))
浏览 4提问于2020-06-09得票数 1
回答已采纳
我的(Keras)模型有两个不同形状的输入。Keras网站上的说它应该能工作。
我将输入定义如下：
model1 = Model(inputs=[uii, vji], outputs=[decoded,decoded2, prod])
model1.summary()
Model: "model_10"
__________________________________________________________________________________________________
Layer (type) Outpu
浏览 9提问于2020-01-27得票数 0
回答已采纳
我正在尝试优化tensorflow模型并将其转换为OpenVINO IR。由于我在输入形状方面遇到的问题，它并不是很成功。因此，我计划用静态形状重新建模整个模型。我正在尝试的模型是keithito的Tacotron。 如何确保模型中的所有节点都具有静态形状？ 将输入占位符节点设置为固定形状是否允许tensorflow推断并修复所有其他节点的形状？
浏览 10提问于2019-04-25得票数 0
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
实时音视频
即时通信 IM活动推荐
腾讯云开发者
