我正在尝试在tensorflow中并行运行几个神经网络模型，每个模型都独立于其他模型。有必要为我使用tensorflow启动的每个执行创建一个会话，或者我可以为每个模型重用相同的会话。谢谢
浏览 5提问于2018-02-23得票数 2
回答已采纳
1回答
我试图找出在TensorFlow中(在单机执行环境中)运行多个经过预先训练的模型以进行推理的最佳方法。我读过几个关于这方面的问题，但我还是有点困惑。据我所知，我也可以这样做：
使用TensorFlow</em
浏览 5提问于2017-11-27得票数 2
目前我正在构建一个Tensorflow图，然后在C++中执行图形->getSession()C++(输入、模型、输出)通过并行执行多个会话，处理时间是否是恒定的？示例:如果一个会话花费100 ms，那么同时运行两个会话大约需要100 ms。
浏览 1提问于2018-06-11得票数 1
当急切执行被禁用时，我需要在tensorflow 2下运行tensorflow模型。例如，假设我的模型构建如下： import tensorflow as tfa = tf.constant(1)c = a + b 此时，如何启动模型</
浏览 32提问于2021-01-19得票数 1
1回答
免责声明:我绝对是一个Tensorflow / Keras初学者，所以如果这应该从文档中清楚或者是一个荒谬的问题，那么很抱歉。基本上，我希望并行运行多个Tensorflow线程，同时使用模型的单个实例来处理Redis队列中的作业。if len(item) > 0: run()
最初，我试图运行
浏览 5提问于2019-12-20得票数 0
回答已采纳
我正尝试在“交互”模式下使用tensorflow神经网络:我的目标是加载一个经过训练的模型，将其保存在内存中，然后偶尔对其执行推理。问题是显然tensorflow Estimator类(tf.estimator.Estimator)不允许这样做。
预测(，)方法将一批特征和到模型的路径作为输入。然后，它创建一个会话，加载模型并执行推理。在此之后，会话将关闭，对于后续推理，有必要再次
浏览 1提问于2018-05-06得票数 1
我想训练一个模型，同时使用模型的结果进行进一步的操作。训练可以在后台进行，但我需要预测模型始终可用。有没有办法在会话之间共享
浏览 0提问于2018-03-21得票数 3
要使用TensorFlow运行程序，我们必须声明一个会话。这是什么Graph()？
浏览 1提问于2018-06-11得票数 1
回答已采纳
我需要同时训练多个Keras模型。我正在使用TensorFlow后端。问题是，当我试着同时训练两个模特时，我得到了Attempting to use uninitialized value。这个错误并不是真正相关的，主要的问题似乎是Keras强迫在同一个会话中用相同的图创建两个模型，因此it冲突。我是TensorFlow的新手，但我的直觉是，答案很简单:您必须为每个Keras模型创建一个不同的会话，并在他们自己的会话
浏览 0提问于2017-05-13得票数 8
提供了很少的预训练模型，并允许我们使用任何数据集对它们进行训练。有没有什么特别的方法可以在一个会话中处理多个图？另一个
浏览 2提问于2017-10-07得票数 17
我正在使用openAI的stable-baselines训练一个强化学习智能体。我还在使用optuna优化代理的超参数。 为了加速这个过程，我在不同的函数调用中使用了多进程。特别是在docs here中建议的SubprocVecEnv和study.optimize中(分别低于1.15.3和1.10.4 )。我的问题是，在SubprocVecEnv和study.optimize方法中使用多处理，我如何确保超参数调优在后端正确执行
浏览 22提问于2019-06-14得票数 1
回答已采纳
我一直在使用单个GTX Titan训练我的tensorflow再训练算法，它工作得很好，但当我尝试在再训练示例中使用多个GPU时，它不起作用，当我在Nvidia SMI中运行它时，它似乎只使用一个GPU为什么会发生这种情况，因为它在从头开始在初始模型中重新训练时使用多个gpus，而不是在重新训练期间？
浏览 5提问于2016-09-05得票数 1
回答已采纳
我有一个Python应用程序，它提供TensorFlow / Keras模型推理服务。可以为多个不同的客户端同时加载和使用多个不同的此类模型。根据我在中看到的内容，您可能希望清除一个Keras会话，以便通过调用tf.keras.backend.clear_session()来释放内存。但是，这似乎释放了所有TF内存，这在我的例子中是一个问题，因为其他客户端的其他Keras模型仍然在同时<e
浏览 3提问于2021-01-14得票数 3
回答已采纳
我知道Keras可以使用TensorFlow或Theano作为后端。在我的例子中，我使用的是TensorFlow。所以我想知道:有没有办法用Keras写一个NN，然后在TensorFlow中打印出相应的版本呢？然后有一个函数或什么东西来生成Keras编写的用于所有这些计算的TensorFlow代码。
浏览 2提问于2017-10-18得票数 2
回答已采纳
最初，tensorflow和Py手电筒有一个根本的区别：
现在，这种差异变得不那么明显了。Tensorflow已经回应了火炬在上的流行。还有一个项目，它构建在与tensorflow ()相同的底层框架上。JAX没有会话的
浏览 4提问于2019-10-28得票数 2
在tensorflow中，如果我们想运行多个操作，那么如果我们将列表中的操作传递给单个sess.run()，与使用多个sess.run()而只将一个操作传递给每个操作，会有什么不同(例如速度或结果)？/usr/env/bin python v = tf.Variable(0)
浏览 0提问于2019-08-15得票数 1
回答已采纳
2回答
我是Keras和tensorflow的新手，总体来说，我有一个问题。我使用一些损失函数(主要是binary_crossentropy和mean_squared_error )来计算预测后的损失。这个场景在一个循环中执行(带有睡眠)，如下所示：
获取适当的数据，预测->，计算丢失的->，返还它。由于我有多个遵循此模式的模型，因此我创建了tensorflow图形和会话以防止冲突(此外，在导出模型的权重时，我对
浏览 0提问于2018-11-08得票数 1
我想使用在tensorflow.js中进行对象检测。但是我在tfjs中找不到一些方法，比如get_tensor_by_name和会话运行来进行预测。在tensorflow (python)中，如下所示：# Definite input Tensors for detection_graph
浏览 1提问于2018-10-03得票数 1
回答已采纳
1回答
在尝试了当前的分布式训练实现后，我认为它将每个GPU视为一个单独的worker.However，现在在一个盒子中有2~4个GPU是很常见的。采用单盒多GPU方法首先计算单盒中的平均梯度，然后跨多个节点同步，不是更好吗？这种方式大大减轻了I/O流量，而I/O流量一直是数据并行性的瓶颈。有人告诉我，在目前的实现中，可以通过将所有GPU放在一个盒子中作为工作程序，但我无法弄清楚如何将平均梯度与SyncReplicasOptimizer联系起来，因为SyncReplicasOptimizer
浏览 14提问于2016-09-20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
腾讯会议
云直播
对象存储活动推荐
腾讯云开发者
