具有多个输入和目标的Tensorflow数据集
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。TensorFlow数据集是用于训练和评估这些模型的数据集。具有多个输入和目标的TensorFlow数据集是指在训练过程中，每个样本可以具有多个输入和多个目标。
在机器学习任务中，输入通常是模型用来进行预测或分类的特征。而目标是我们希望模型预测或分类的结果。具有多个输入和目标的数据集可以用于解决一些复杂的问题，例如多标签分类、多任务学习等。
TensorFlow提供了一些工具和函数来处理具有多个输入和目标的数据集。可以使用tf.data.Dataset API来加载和预处理数据集。通过使用tf.data.Dataset.from_tensor_slices()函数，可以将多个输入和目标组合成一个数据集对象。然后可以使用其他函数如shuffle()、batch()、repeat()等对数据集进行进一步处理和转换。
对于具有多个输入和目标的TensorFlow数据集，可以使用不同的模型架构来处理。例如，可以使用多输入模型、多输出模型或者联合模型来训练和预测。多输入模型可以接受多个输入特征，并将它们组合在一起进行预测。多输出模型可以同时预测多个目标结果。联合模型可以同时训练多个任务，共享一部分模型参数。
具有多个输入和目标的TensorFlow数据集在许多领域都有应用，例如自然语言处理、计算机视觉、语音识别等。在自然语言处理中，可以使用多输入模型来处理多个输入文本特征，例如问题和回答。在计算机视觉中，可以使用多输出模型来同时预测物体分类和位置。在语音识别中，可以使用联合模型来同时训练语音识别和语音情感分析任务。
腾讯云提供了一些与TensorFlow相关的产品和服务，可以帮助用户处理具有多个输入和目标的数据集。例如，腾讯云的AI Lab提供了基于TensorFlow的AI开发平台，用户可以在平台上进行模型训练和部署。此外，腾讯云还提供了弹性GPU实例、云服务器等基础设施服务，以及腾讯云机器学习平台（Tencent Machine Learning Platform，TMLP）等工具，用于支持TensorFlow模型的训练和推理。
更多关于腾讯云相关产品和服务的信息，可以访问腾讯云官方网站：https://cloud.tencent.com/
相关·内容
我希望以以下方式从TF数据集中生成批处理样本:每批将由两个具有相同“标签”特性的样本组成。在Tensorflow中实现这一目标的最有效方法是什么？
浏览 2提问于2022-01-15得票数 1
回答已采纳
我正在使用Tensorflow 2.0的数据模块并使用tf.data.Dataset对象来存储我的特性，为专有数据构建一个输入管道。这是我的问题-数据源是一个CSV文件，只有3列，一个label列，然后有两个列，它们只包含引用JSON文件的字符串，而JSON文件就是存储这些数据的地方。我已经开发了一些函数，可以访问所需的所有数据，并且能够在列上使用Dataset的映射函数来获取数据，但我不知道如何向我的tf.data.Dataset对象中添加一个新列来保存新的数据。因此，如果有人能在以下问题上提供帮助，这将是非常有帮助的：
如何将新特性附加到tf.data.Dataset对象？
这个过
浏览 5提问于2019-08-07得票数 6
我有一个目录，里面有12个csv文件。我使用以下代码使用tensorflow阅读它们：-
import tensorflow as tf
a = [0, 2, 3, 4, 5, 19, 23, 32, 39, 40, 42, 50, 51, 53, 56, 65, 66, 67, 68, 69]
data = tf.data.experimental.make_csv_dataset("./raw/*",
batch_size=2000,
浏览 12提问于2022-11-03得票数 0
我们有一个商业2商店，其产品总是只有一个变体。
对于将要输入产品数据的用户来说，当前创建新产品及其变化的工作流程有点复杂。
跳出框后，您必须在输入变体信息后单击“创建变体”按钮。然后有额外的选项按钮来编辑、删除或复制变体。
我们希望简化这个过程，并自动创建单一的变体，所以用户所需要做的就是在产品创建过程中输入一个价格，而不必单击任何额外的按钮。
我希望有一个模块，可以促进这一功能，但我没有找到一个。
如果不存在模块，那么实现这一目标的最佳方法是什么？
也许是自定义的“产品”表单，然后在提交表单时以编程方式创建Commerce Product？我不太喜欢这个想法，因为我也需要考虑编辑产品。
某些
浏览 0提问于2018-10-12得票数 1
回答已采纳
我使用Keras和Tensorflow 1.x已经有一段时间了，但我正在尝试学习并更新到tensorflow 2.1 (特别是tf.data.Datasets)。我可以成功地创建一个tfrecords文件并使用tf.data.TFRecordDataset加载它。在解析项目和一些其他预处理(例如，标准化)之后，数据集返回元组，其第一项目是包含各种类型的输入(x)张量的字典，并且其第二项目是目标(y)值的单个值/张量。
我可以通过使用tf.GradientTape()批量手动迭代数据集来训练模型。但是，当我尝试使用model.fit训练模型时，当我第一次使用输入时，在我的模型的call方法中引发
浏览 55提问于2020-02-28得票数 0
回答已采纳
1回答
我正在学习tensorflow，tf.data API让我感到困惑。在处理大型数据集时，它显然更好，但在使用dataset时，必须将其转换回张量。但为什么不先用张量呢？为什么和何时应该使用tf.data？
为什么不能让tf.data返回整个数据集，而不是通过for循环来处理它呢？当数据集的函数最小化时(使用类似于tf.losses.mean_squared_error的方法)，我通常通过张量或numpy数组输入数据，并且不知道如何通过for循环输入数据。我该怎么做？
浏览 0提问于2019-02-26得票数 4
回答已采纳
我已经构建了一个管道，它读取一些数据，进行一些操作，并创建一些apache对象(下面代码中的步骤1和步骤2)。然后，我想生成统计数据并将它们写入文件。我可以利用tensorflow数据验证库，但是tfdv GenerateStatistics需要一个pyarrow.lib.RecordBatch，而不是Row对象。我知道apache_beam.io.tfrecordio.WriteToTFRecord可以将PCollection写入文件作为TFRecord，但是，有没有一种方法可以不写到文件中呢？理想情况下，第3步将Row对象转换为TFRecord。
with beam.Pipeline(op
浏览 8提问于2022-04-05得票数 1
1回答
我对TensorFlow和Python非常陌生。我有一个数据集，与MNIST数据集(28 * 28图像)非常相似。我已经关注了很多关于如何使用tensorflow实现基本神经网络的在线教程，并发现大多数都只是使用：
from tensorflow.examples.tutorials.mnist import input_data
mnist = input_data.read_data_sets("/tmp/data/", one_hot = True)
有没有一种方法可以让我使用自己的类似MNIST的数据而不是从tensorflow导入它？此外，我还能对类似MNIST的数据
浏览 0提问于2017-11-30得票数 0
我正在尝试创建一个用于数据序列分类的LSTM。
我将使用的每一项培训输入的数据结构如下：
[[
[deltaX,deltaY,deltaTime],
[deltaX,deltaY,deltaTime],...
],class]
其中deltaX和deltaY反映了给定时间内X和Y的变化，deltaTime。
deltaTime并不是每次都是一样的，它可以从40到50 is到有时1000 is不等。结尾的“类”是二进制分类，可以是0，也可以是1。
问题1(常规LSTM)：如果要使用基本的LSTM (Keras )，应该将deltaTime作为特性输入吗？
我知道LSTM有时间戳，但它们是固定在
浏览 4提问于2019-10-17得票数 3
回答已采纳
1回答
我正在尝试从TF2数据集中训练一个自定义的单词嵌入。我的文本已经被编码为整数，我的模型在示例数据集(即从加载的数据集)上工作得很好。但是，当我从(批)数据集中输入我的张量时，模型无法开始使用ValueError: No gradients provided for any variable: ['embed/embeddings:0', 'relu/kernel:0', 'relu/bias:0', 'out/kernel:0', 'out/bias:0'].进行训练。
不知道为什么会发生这种事。导致相同错误的类似
浏览 1提问于2020-07-03得票数 1
回答已采纳
我用的是Tensorflow 2.9.1。我有一个test_dataset对象的tf.data.Dataset类，它存储输入和标签。输入是四维张量，标签是三维张量：
print(tf.data.Dataset)
<PrefetchDataset element_spec=(TensorSpec(shape=(64, 5, 548, 1), dtype=tf.float64, name=None), TensorSpec(shape=(64, 1, 1), dtype=tf.float64, name=None))>
第一个维度是小批量大小。我需要将这个Tensorflow数据集转换
浏览 15提问于2022-07-13得票数 0
据我所知，根据的说法，使用feed_dict是一个计算成本很高的过程，应该避免使用。Tensorflow的输入管道应该更好。
我发现的所有小批量梯度下降教程都是用feed_dict实现的。有没有办法使用输入管道和小批量梯度下降？
浏览 4提问于2018-06-29得票数 0
遵循Tensorflow教程中的虹膜分类问题，我正在尝试构建一个DNN分类器模型来识别手写字符。遇到了对测试数据的质疑。
我假设在正常的机器学习中，测试数据是未标记的。为什么在tensorflow中，测试数据也应该被标记？有没有什么方法可以使用DNN分类器或tensorflow中的任何其他分类器输入未标记的测试数据？
浏览 18提问于2018-07-27得票数 1
在this guide之后设置一个简单的TensorFlow2.0测试时，keras输入层的输入是错误的，但只有在转换为数据集(假装具有正确的形状)之后才会出现错误。 当然，从文档中运行colab notebook是可行的，但我无法确定我的设置可能出了什么问题。如有任何提示，欢迎光临！ 在jupyter实验室设置一些假数据： data = np.random.random((1000, 32,))
labels = np.random.random((1000, 10,))
dataset = tf.data.Dataset.from_tensor_slices((data, labels
浏览 31提问于2019-04-12得票数 3
回答已采纳
这个问题涉及到多输入多输出Keras (Tensorflow)模型的最佳设置，给出了相应的numpy阵列。
例如，假设输入数组x1和x2以及输出数组y1和y2。可以按以下方式构建tf.data数据集：
train_data = tf.data.Dataset.zip(
(
tf.data.Dataset.from_tensor_slices(
(
x1,
x2,
)
),
tf.data.Dataset.from_tensor_
浏览 9提问于2022-04-28得票数 0
我感兴趣的是使用Tensorflow训练我的数据进行基于CNN的二进制分类。
现在我想知道如何在卷积过程中设置滤波器值、输出节点数。
我读过许多教程和例子。然而，大多数用户使用图像数据，我无法将其与我的数据(即客户数据，而不是像素数据)进行比较。
所以你能给我建议一下这个问题吗？
浏览 8提问于2016-11-07得票数 7
回答已采纳
建议使用tensorflow数据集作为输入管道，设置如下：
# Specify dataset
dataset = tf.data.Dataset.from_tensor_slices((features, labels))
# Suffle
dataset = dataset.shuffle(buffer_size=1e5)
# Specify batch size
dataset = dataset.batch(128)
# Create an iterator
iterator = dataset.make_one_shot_iterator()
# Get next batch
浏览 1提问于2018-04-19得票数 5
1回答
我正在使用InceptionV3模型进行培训。下面是代码(https://github.com/maxmelnick/tensorflow/blob/no_随机/tensorflow/示例/图像_再培训/再培训)的链接，最初我有一个小的数据集。因此，我使用了增强技术来增加数据集的大小。
培训阶段数据集分为培训、验证和测试。在训练阶段，11个班的准确率为96%。但当我预测任何新的输入图像(未见数据)时，它的准确率为56%。模型有什么问题？
我已经使用了Dropout，交叉验证，OverSampling技术，但在新的输入图像上没有取得好的效果。
训练时使用的参数。
训练样本-每班800张图片
培训
浏览 0提问于2020-09-01得票数 1
我已经安装了anaconda3.5.2，它安装python 3.6.10。然后我安装了tensorflow2.0 2.0。安装之后，我从cmd控制台进入python并导入tensorflow作为tf。我输入了TF-.版本的，看起来都不错。然后我启动spyder并做同样的操作，导入不会产生任何错误，但是tf。版本说tf没有定义。我查看了sys.path，在这两种情况下，路径完全相同。
感谢你的帮助和回答。
浏览 1提问于2020-02-15得票数 1
1回答
我对非常陌生。我想使用TensorFlow作为我的时尚电子商务网站(运行在java上)的方式，所有的产品图像应该自动标记使用CNN。
我检查了示例，使用inception5h预培训的tensorflow模型进行自动标记/标记新图像。
inception5h似乎不适合时尚数据集。我还找到了一个指南解释了火车第一神经网络与基本分类使用的时装MNIST数据集。
我还想要创建我自己的模型，对它进行时尚MNIST数据集的培训，并在我的java代码中使用它进行自动标记。
问题-
我们也能为时尚MNIST数据集重新培训inception5h模型吗？
是否有任何经过预先培训的tensorflow模型
浏览 1提问于2018-10-28得票数 0
我在试着理解tensorflow的占位符。具体而言，在下面的示例中，shape=[None,是什么意思。
X = tf.placeholder(tf.float32, shape=[None, 128, 128, 3], name="X")
回答将其描述为：
您可以将TensorFlow中的占位符看作是一个操作，该操作指定将输入到graph.placeholder X中的形状和数据类型，定义float32类型的未指定数量的形状行(128、128、3)将被输入到图形中。占位符不保持状态，只定义要流到图形中的数据的类型和形状。
当它说“未指定的行数”时，是否真的指形状为12
浏览 0提问于2018-07-16得票数 16
我对JUnit 4比较陌生；我已经知道，我可以用不同的输入在一个方法上重复相同的测试，使用@Parameters注释来标记返回一个迭代数组的方法，比如一个List<Integer[]>。
我发现JUnit确实要求Iterable of arrays的方法提供程序是静态的并命名为data，这意味着您可以测试不同的方法，但始终使用相同的数据。
事实上，您可以用@Parameters标记任何方法(具有任何返回类型，BTW)，但不起作用；只考虑data()方法。
我希望JUnit允许做的是让一些不同的数据集使用@Parameters和一些机制(比如@Test的参数)来指定在执行X的test
浏览 0提问于2014-03-04得票数 0
我正试图预测keras / tensorflow中的所有测试批，然后绘制一个混淆矩阵。当前的BATCH_SIZE是: 32
我的测试数据集是用以下代码从一个大数据集生成的：
test_dataset = big_dataset.skip(train_size).take(test_size)
test_dataset = test_dataset.shuffle(test_size).map(augment).batch(BATCH_SIZE)
在model.compile()和model.fit()之后，我使用以下代码获得预测和正确的标签：
points, labels = list(tes
浏览 3提问于2022-04-25得票数 1
回答已采纳
1回答
我有一个统一项目，在这个项目中我通过NuGet添加了一个外部.dll。之后，我的项目几乎丢失了所有程序集引用。(错误CS0234)
I尝试重新输入所有资产。删除了库文件夹，让它重新构建并重新插入已删除的文件夹。I检查了manifest.json；它包含"com.unity.modules.ui"："1.0.0"，.
由于和Visual抛给我这个错误，所以我无法运行该项目。
是否可以以任何方式重新构建程序集引用，以便保存项目？
浏览 3提问于2020-05-04得票数 0
回答已采纳
我打算用tensorflow.data.experimental.CsvDataset在TensorFlow 2中训练小批量，但是张量的形状不适合我的模型的输入形状。
请让我知道什么是最好的方式小批量培训由一个数据集的TensorFlow。
我试了如下：
# I have a dataset with 4 features and 1 label
feature = tf.data.experimental.CsvDataset(['C:/data/iris_0.csv'], record_defaults=[.0] * 4, header=True, select_cols=
浏览 1提问于2020-09-26得票数 0
回答已采纳
1回答
我已经设置了HAProxy v1.7，启用了统计数据，它运行良好，收集了所有必要的统计数据并在网页上显示。
是否有内置方式显示特定日/周/月/年的统计数据(特别是Bytes输入/输出)？
实现这个目标的唯一方法是每天导出.csv并将字节相加.还有别的办法吗？
浏览 0提问于2017-08-03得票数 2
我试图用两个不同的输入来制作一个tensorflow模型，一个是9,10，另一个是8。
我还试图使用tf.dataset来迭代我的输入。但是，每当我尝试这样做时，它就会失败，并出现以下错误：
tensorflow.python.framework.errors_impl.InvalidArgumentError: Shapes of all inputs must match: values[0].shape = [9,10] != values[1].shape = [8]
[[{{node packed}}]] [Op:IteratorGetNext]
但可以肯定的是，有可能有不
浏览 14提问于2022-06-03得票数 2
在tensorflow tutorial中，我看到数据集只是像这样打乱 AUTOTUNE = tf.data.experimental.AUTOTUNE
train_ds = train_ds.cache().shuffle(1000).prefetch(buffer_size=AUTOTUNE) 但我也看到其他人的代码，比如： ds = ds.cache()
ds = ds.repeat() # ds is a dataset
ds = ds.shuffle(buffer_size=1000) 我假设从技术上讲，数据集在每个训练时期之后都会被消耗掉，并且应该重复输入到下一个时期的混洗缓冲
浏览 63提问于2020-09-16得票数 0
我有一个数据集，表示为形状NumPy矩阵的(num_features, num_examples)，我希望将它转换为TensorFlow类型的tf.Dataset。
我正在努力理解这两种方法之间的区别：Dataset.from_tensors和Dataset.from_tensor_slices。什么是正确的?为什么？
TensorFlow文档()表示，这两种方法都接受一个嵌套的张量结构，尽管在使用from_tensor_slices时，张量在0维应该具有相同的大小。
浏览 0提问于2018-03-30得票数 91
回答已采纳
1回答
我正在尝试使用谷歌的本教程来使用TensorFlow估计器来训练和识别图像：
我在本教程中可以看到的数据是：train_data、train_labels、eval_data、eval_labels
((train_data,train_labels),(eval_data,eval_labels)) =
tf.keras.datasets.mnist.load_data();
在卷积层中，需要有特征滤波图像数据与输入图像数据相乘。但是，我在代码中没有看到它们。
从本指南出发，输入的图像数据与滤波图像数据匹配以检查低层次特征(曲线、边缘等)，因此也应该有滤波图像数据(下面图像中的右矩阵)？：
浏览 0提问于2019-04-11得票数 2
回答已采纳
我正在尝试通过ADF数据流将输入的数据存储到blob存储中的csv文件。管道已成功运行。但是，在检查csv文件时，我发现其中包含了一些无效数据。下面是分隔文本和接收器的设置。请让我知道我错过了什么？ ? ? ?
浏览 12提问于2020-07-24得票数 0
回答已采纳
短版
给定一个生成器抽样(例如3 1 输入和1标签)，我如何定义Tensorflow Dataset管道以获得批次的 K * 3 输入和 K * 1 标签？<code>E 221</code>
较长版本
上下文
我正在使用Triplet网络，并希望调整当前的输入管道以使用Tensorflow数据集。
在我的示例中，批处理由N (例如图像)和N // 3标签(假设为N % 3 == 0)组成，每个标签应用于3个连续的输入。
labels = [compute_label(inputs[3*i], inputs[3*i+1], inputs[3*i+2]) for i i
浏览 0提问于2018-04-12得票数 2
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
对于选择数据集的碎片文件数量或每个碎片中的记录数，是否有任何指导方针？
在使用tensorflow.contrib.slim的示例中，
在每个1024数据集的碎片中都有粗略的ImageNet记录。()
在每个切碎的花卉数据集中都有粗略的600记录。()
碎片文件的数量和每个碎片中的记录数量是否会对培训和培训模型的性能产生影响？
据我所知，如果我们不将数据集分割成多个碎片，那么对数据进行洗牌并不是很随机的，因为capacity的RandomShuffleQueue可能小于数据集的大小。
使用多个碎片还有其他好处吗？
更新
说
如果读取线程多于输入文件，则避免两个线程从
浏览 9提问于2016-12-20得票数 19
我正在尝试构建一个以稀疏张量列表作为输入的模型。(列表长度等于批量大小)
我使用稀疏张量的原因是我必须将邻接矩阵传递给我的GNN模型，而它是非常稀疏的。(~99%)
我很熟悉pytorch的使用，它很容易将稀疏张量输入到网络中。
然而，我发现我必须使用tf.data.Dataset或keras.utils.Sequence在tensorflow中创建数据集。
但是当我使用稀疏张量列表作为输入时，这些方法会抛出错误。
例如，下面的代码使TypeError
import tensorflow as tf
tf.data.Dataset.from_tensor_slices(sparse_lists
浏览 36提问于2021-07-08得票数 0
让我首先描述集群设置：
我有两个节点(每个节点有2个GPU)。我把它们称为节点A和节点B
每个节点都有自己的SSD存储。
是使用的群集管理器。
我已经看过了分布式TensorFlow文档，但是有一些我无法正确理解的功能基础，因此出现了这个问题。
考虑以下情况：
我在节点A上复制了大约600 GB的数据。
我可以使用OAR专门要求在两个节点上分配4个GPU。
如果我想使用分布式TensorFlow来训练一个模型：
如何为tf.train.ClusterSpec指定网络地址？这些网络地址是什么？在文档中，名称(如localhost:2222 )是否与集群管理
浏览 5提问于2016-11-26得票数 0
我把看作是的一部分，而且已经很困惑了。我的理解是(如果我错了，请纠正我)：
步骤4定义了一个输入函数my_input_fn，它将数据格式化为相关的TensorFlow structuresTensor。
然后，步骤5将此函数提供到train调用中。
其意图是，列车呼叫将连续调用my_input_fn，以获得连续批数据，以调整模型。(？现在对此进行调查)
这里定义了my_input_fn：
def my_input_fn(features, targets, batch_size=1, shuffle=True, num_epochs=None):
""
浏览 0提问于2018-03-20得票数 8
回答已采纳
我正在使用TensorFlow的对象检测模块中的一个模型来运行推理。我在同一个会话中循环检查我的测试映像，并执行sess.run()。但是，在分析这些运行时，我意识到与后续运行相比，第一次运行的时间总是更长。
我找到了一个答案，，为什么会发生这种情况，但没有解决办法，如何修复。
我正在英特尔的i7 CPU上部署对象检测推断管道。一个session.run()、1、2、3和第4张图像的时间看起来类似于(以秒为单位)：
1. 84.7132628
2. 1.495621681
3. 1.505012751
4. 1.501652718
只是我所尝试的一切的背景：
我尝试使用TFRecords方
浏览 1提问于2019-04-08得票数 1
在《使用Scikit-Learn，Tensorflow和Keras操作ML》一书中，作者解释了如何使用数据API有效地操作、转换和传递数据到模型，他编写了以下函数：
def csv_reader(filepaths, batch_size=32):
dataset = tf.data.Dataset.list_files(filepaths)
dataset = dataset.interleave(lambda filepath:
tf.data.TextLineDataset(filepath).skip(1), cycle_length=5)
datase
浏览 14提问于2020-02-19得票数 0
我正在从事物体检测的工作。我的训练集是5984，测试集是1496 (KITTI跟踪训练数据集)。
在Tensorflow中拟合模型时，批量大小和纪元数应该有多大？有没有什么基于数据输入大小的经验法则？我应该将其拆分为训练/val/test，还是继续使用当前拆分的train/val？
浏览 14提问于2017-07-03得票数 0
我发现创建一个自定义数据集非常困难，该数据集可以用于替换来自tensorflow_datasets的tensorflow_datasets数据集，这样我就可以用自己的数据重用其他代码：
导入tensorflow_datasets as tfds数据集= tfds.load(name="wine_quality"，as_supervised=True，split="train")
加载后，wine_quality数据集：
类型: PrefetchDataset
字符串形式：<预取数据集形状：({乙醇：()，氯化物：()，柠檬酸：()，密度：()，固定酸化&
浏览 1提问于2021-11-02得票数 0
1回答
我一直在使用tensorflow playground：，并设计了一些有趣的网络，我想在实际的tensorflow工作中部署它们。
我注意到，在操场上，他们将特征集表示为函数x，x^2，sine(x)等。
我的问题是:在tensorflow作业中表示这些类型的转换函数的最佳方式是什么？人们通常是如何处理这件事的？是在输入层之前的转换中，还是在网络本身中？
我有在tensorflow中编写基本回归和处理自定义数据集的经验，但我是深度学习的新手。
浏览 2提问于2016-08-14得票数 1
回答已采纳
1回答
我正在尝试将完美工作的代码从1.3转换到2.1
我尽可能地简化了模型，但它仍然不能工作。当我在Jupyter内核中运行下面的代码时，当它转到fit时会死掉
from __future__ import absolute_import, division, print_function, unicode_literals
import tensorflow as tf
import tensorflow.keras as k
print('TF v:', tf.__version__, 'Keras v:', k.__version__)
resolver
浏览 5提问于2020-02-09得票数 2
我试图使用Tensorflow的Dataset API在Keras中构建模型。我成功地训练了克拉斯的模特。而是对测试数据进行预测。它需要在numpy数组中。
X需要是numpy数组。所以我做了这样的事
x = input_fn('test.tfrecords')
model = models.load_model("model/model-40-0.35.hdf5")
with tf.Session()) as sess:
x_out = np.asarray(sess.run(x))
pred = model.predict(x_o
浏览 2提问于2018-12-23得票数 2
我想接下来的情况。
用GPU建立基于Tensorflow的ML图像分类模型
对于加载图像，使用枕头和预处理，使用numpy。
ML模型获取tf.placeholder中的输入数据
我理解tensorflow-gpu在gpu上使用RAM，如果可能的话，可以将参数作为默认存储。但是对于输入数据在传递给tf.placeholder之前，它是存储在哪个内存中的，是用于CPU的，还是用于GPU的？
浏览 0提问于2019-05-03得票数 0
回答已采纳
Tensorflow data.Dataset有一个方法repeat(count=None)()，该方法重复此数据集，因此每个原始值都可以查看count时间。如果计数设置为None (默认情况下)，则将无限期地重复数据集。我的问题是，在极端情况下，无限大小的数据集是如何处理并存储在内存中的？当我尝试使用as_numpy_iterator()检查它的内容时，系统会被卡住。
浏览 2提问于2020-01-16得票数 2
回答已采纳
1回答
我是一个全新的TensorFlow新手。我遵循了一些教程，并设计出了我的第一个多类分类模型。 我不确定我的层是否设计合理，无论如何，测试的准确率是0.98左右。 问题是我不能使用我的模型来预测新的输入。这是我用来训练模型的代码和数据。 数据有10列，最后一列是类名。该模型使用一行9个值来预测该行适合哪个类。 所有的代码都在colab上运行。 !pip install sklearn
import pandas as pd
import numpy as np
import tensorflow as tf
from tensorflow import feature_column
fro
浏览 17提问于2021-08-05得票数 0
回答已采纳
我目前正在学习tensorflow，并且对这个概念很陌生。我正在尝试使用LinearClassifier进行多类分类。
我有一个数据集，使用PCA将输入变量的数量减少到30。我把PCA列命名为PCA_Col_0 -- PCA_Col_29。PCA是使用scikit学习完成的。
然后，我使用以下代码为这30个变量创建了tensorflow特性列：
feat_cols = [PCA_Col_0, .... PCA_Col_29]
d = {}
for item in feat_cols:
d[item] = tf.feature_column.numeric_column(item)
f
浏览 2提问于2020-03-13得票数 0
回答已采纳
1回答
我可以使用普通的ML库(例如，Tensorflow或sci学习)运行一个普通的python代码吗？如果是的话，那么是否可以将我的数据和计算分布到集群中？如果没有，为什么？
浏览 5提问于2018-11-29得票数 1
回答已采纳
云服务器
ICP备案
实时音视频
对象存储
即时通信 IM
腾讯云开发者
