在tensorflow (或keras)中应用通道混洗
在TensorFlow（或Keras）中，通道混洗（channel shuffle）是一种用于增强卷积神经网络（CNN）性能的技术。通道混洗通过重新排列输入张量的通道维度，可以提高模型的表达能力和泛化能力。
通道混洗的概念：通道混洗是指将输入张量的通道维度重新排列，以增加模型的非线性能力和泛化能力。通常，在卷积层之后应用通道混洗操作。
通道混洗的分类：通道混洗可以分为硬通道混洗和软通道混洗两种类型。
硬通道混洗（Hard Channel Shuffle）：硬通道混洗是指通过改变输入张量的通道顺序来实现通道混洗。这种方法需要在模型中显式地定义通道混洗操作。
软通道混洗（Soft Channel Shuffle）：软通道混洗是指通过使用适当的卷积操作来实现通道混洗。这种方法可以在卷积操作中自动学习通道混洗的权重。
通道混洗的优势：通道混洗可以提高模型的非线性能力和泛化能力，增强模型对不同特征的提取能力。通过重新排列通道，通道混洗可以增加模型的灵活性，使其更好地适应不同的输入数据。
通道混洗的应用场景：通道混洗广泛应用于图像分类、目标检测和语义分割等计算机视觉任务中。它可以用于各种类型的图像数据集，包括自然图像、医学图像和遥感图像等。
推荐的腾讯云相关产品和产品介绍链接地址：腾讯云提供了丰富的云计算产品和服务，其中与深度学习相关的产品包括腾讯云AI引擎（https://cloud.tencent.com/product/tia），腾讯云机器学习平台（https://cloud.tencent.com/product/tf），以及腾讯云GPU服务器（https://cloud.tencent.com/product/cvm/gpu）等。这些产品可以帮助用户在腾讯云上快速搭建和部署深度学习模型，并提供高性能的计算和存储资源。
请注意，以上答案仅供参考，具体的产品和服务选择应根据实际需求和情况进行评估和决策。
相关·内容
我有一个样本权重数组，我要输入到fit()中。它的大小与我输入的训练示例的数量相同。如果我将学习率设置为零，并针对多个时期进行训练，我会看到每个时期不同的损失结果。如果我转到shuffle=False，结果保持不变，并与evaluate的结果相匹配。在我看来，样本权重数组不能被打乱。这是和tensorflow.keras的。我假设这不是预期的行为。这是一个已知的bug吗，或者我可能错误地解释了我所看到的？
浏览 28提问于2019-08-29得票数 3
1回答
我正在尝试对从公开数据集中获取的医学图像进行分类。我在这项任务中使用了迁移学习。最初，当我在具有VGG、Resnet、Densenet和Inception的同一数据集上使用以下代码时，没有进行微调(TensorFlow版本1.15.2)，准确率在85%以上。现在，在将TensorFlow升级到2.x之后，当我在相同的数据集上尝试相同的代码时，准确率永远不会超过32%。有人能帮我纠正这个问题吗？是和TensorFlow版本有关还是别的什么？我尝试了改变学习率，微调模型等。这是Keras中批量归一化错误的问题吗？ import os
os.environ["CUDA_DEVICE_ORD
浏览 29提问于2020-09-05得票数 0
回答已采纳
我正在训练一个分类模型来对细胞进行分类，我的模型基于本文：https://www.nature.com/articles/s41598-019-50010-9。由于我的数据集只包含10个图像，因此我执行了图像增强，以人为地将数据集的大小增加到3000个图像，然后将这些图像拆分为2400个训练图像和600个验证图像。 然而，虽然训练损失和准确性随着更多的迭代而改善，但验证损失迅速增加，而验证精度在0.0000e+00仍然停滞不前。 我的模型从一开始就严重地过度拟合了吗？ 我使用的代码如下： import keras
import tensorflow as tf
from tensorflow
浏览 301提问于2020-04-22得票数 3
回答已采纳
在keras中，对许多单个日期点执行fit()是否与对数据集执行fit()相同？例如，正在做一个单一的 model.fit(train_X,
train_y,
batch_size=1,
epochs=1) 与做某事相同 for i in range(len(train_X)):
model.fit([train_X[i]],
[train_y[i]],
batch_size=1,
epochs=1) 或者它是不同的？
浏览 20提问于2021-02-03得票数 1
回答已采纳
在TensorFlow加载图像中 教程 ，作者在使用tf.data时似乎对数据进行了两次打乱： list_ds = tf.data.Dataset.list_files(str(data_dir/'*/*'), shuffle=False)
list_ds = list_ds.shuffle(image_count, reshuffle_each_iteration=False) # <-- first shuffling
val_size = int(image_count * 0.2)
train_ds = list_ds.skip(val_size)
val_
浏览 58提问于2021-02-16得票数 0
回答已采纳
下午好,
我有一个Keras模型，该模型有两个输入。输入通过编码层进行处理，然后在下一层中连接输出。
对于.fit方法，有一个名为"shuffle“的参数，我通常将它留在True上，但在这种情况下我有点不确定。
输入是相互依赖的。事实上，第二个输入是对特定特征中第一个输入的补充。在这种情况下设置shuffle=True是个坏主意吗？
假设我关注的特性有一个True或False值。如果对于这个特性，Input1的值是"True“，那么我希望Input2的输入是"False”。
如果我将shuffle设置为True，我会得到一个"True“-- "True”
浏览 0提问于2020-10-07得票数 1
我正在查看位于的Keras CNN示例，我看到输入数据具有随机混洗的正面和负面情绪训练样本。我想知道CNN是否对训练数据的排序敏感。
为了清晰起见:如果我的y_train是100x1的形状，其中0-50表示所有积极情绪，50-100表示负面情绪，那么与每个偶数指数都有正面情绪而奇数指数都有负面情绪时相比，结果会有所不同吗？
浏览 2提问于2019-12-19得票数 0
1回答
我正在做一个使用窗口法的时间序列预测练习，但我正在努力理解如何从样本中进行预测。代码如下： def windowed_dataset(series, window_size, batch_size, shuffle_buffer):
dataset = tf.data.Dataset.from_tensor_slices(series)
dataset = dataset.window(window_size + 1, shift=1, drop_remainder=True)
dataset = dataset.flat_map(lambda window: window.ba
浏览 38提问于2020-09-12得票数 3
回答已采纳
2回答
我正在处理文本序列，序列长度在1-3之间。标签是一个“分数”。我有500多万个样本。我的网络看起来像这样(Keras)：
model.add(Embedding(word_count, 128, input_length=3))
model.add(BatchNormalization())
model.add(Dense(128, activation='relu'))
model.add(BatchNormalization())
model.add(Dense(256, activation='relu'))
model.add(BatchNormali
浏览 13提问于2018-08-05得票数 2
我已经用TensorFlow Keras训练了一个模型来检测道路图像中的火灾。我用Image Generator加载了训练和验证数据，分别达到了97%和92%的准确率。然而，当我试图仅通过预测来测试模型时，我得到了令人困惑的结果。“我的测试”文件夹包含两个子文件夹，分别对应于这两个类。 首先，我这样声明了我的测试数据生成器： data_generator = ImageDataGenerator(preprocessing_function=preprocess_input) 然后，我使用分类类模式，以这种方式将数据加载到其中： img_paths_test='Fire_roads_
浏览 32提问于2020-08-18得票数 0
1回答
我正在使用keras训练一个LSTM模型。训练训练集的准确率为83%，但使用相同的训练集评估或预测模型的准确率为47%。我想不出这个问题。此外，我在下面的代码中注释掉了训练部分，因为我将模型和权重保存在磁盘上，但我以前使用它来训练，即model.fit(...)等。
import pandas as pd
import Preprocessing as pre
from sklearn.feature_extraction.text import CountVectorizer
from sklearn.utils import shuffle
import pickle
import num
浏览 3提问于2018-11-02得票数 1
我正在与tensorflow合作，希望训练一个深度CNN来为围棋做移动预测。我创建的数据集由100,000个二进制数据文件组成，其中每个数据文件对应于一个录制的游戏，并包含大约200个训练样本(游戏中的每一步都有一个)。我相信在使用SGD时获得良好的混合将是非常重要的。我希望我的批次包含来自不同游戏的样本和来自游戏不同阶段的样本。例如，简单地从100个文件的开头读取一个样本，而混洗是不好的b/c，这100个样本都将是每个游戏的第一步。
我已经阅读了关于从文件提供数据的教程，但我不确定他们提供的库是否能满足我的需要。如果我自己硬编码，我基本上会初始化一堆指向每个文件中随机位置的文件指针，然后从随
浏览 2提问于2015-12-14得票数 8
我正在使用TFrecords和keras拟合神经网络模型。我有一个相对较大的数据集，它是非常异构的。在模型的训练过程中，我已经使用了shuffle my dataset，如文档示例: (但无法将其全部混洗，因为它会占用太多内存)，我还将我的数据集分成多个小碎片，每个碎片大小相等。
然而，我有理由认为这种“近似”的混洗是不够的，我还认为馈送已经混洗的数据将提高训练速度。
所以现在我的问题是:在我将我的数据集分成Tfrecords分片后，是否有可能高效地编写随机获取2个分片的代码，加载它们，对它们进行混洗，然后重写2个分片(现在在两个分片之间进行混洗)。因此我可以重复这个过程很多次，这将导致正确的
浏览 2提问于2020-12-08得票数 1
我想用相同的训练数据集在Google Colab (Tensorflow+Keras)中用图形处理器多次训练CNN架构，然后用相同的测试数据集测试每个训练过的模型。然后，我想要确定结果的平均值和标准差(准确性)来评估CNN的性能。(我想反复训练CNN架构，因为由于GPU，没有可重现的结果)。
我想知道我是否应该在每次运行中放置不同的种子，以至少限制一点随机性？
到目前为止，我已经设置了以下种子，它们的值在每次运行时都会有所不同，除了os.environ['PYTHONHASHSEED']='0'，我不确定是否应该将其放入其中？
import os
import
浏览 39提问于2019-11-05得票数 1
回答已采纳
我试图用.imwrite测试openCV的一个MNIST图像，但它显示的只是一个黑色的方块。我不明白为什么！！
import keras
import numpy as np
import mnist
import tensorflow as tf
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Dense
from tensorflow.keras.utils import to_categorical
import cv2
train_images = mnist.tra
浏览 2提问于2020-08-12得票数 0
回答已采纳
我正在使用TensorFlow通过胶囊网络训练我自己的数据集。在训练mnist数据集时，它包含函数mnist.train.next_batch(批量大小)。如何用TensorFlow替换这个函数来训练自己的数据集？
浏览 55提问于2019-01-02得票数 0
我想使用Keras的ImageDatagenerator。 我的代码： image_datagen = image.ImageDataGenerator()
mask_datagen = image.ImageDataGenerator()
image_datagen.fit(X_train[:int(X_train.shape[0]*validation_split)],seed=42)
mask_datagen.fit(Y_train[:int(Y_train.shape[0]*validation_split)],seed=42)
x=image_datagen.flow(X_tra
浏览 15提问于2019-09-13得票数 0
回答已采纳
1回答
我是TensorFlow的新手，我想知道使用tfdata设置数据集有什么具体的顺序。例如：
data_files = tf.gfile.Glob("%s%s%s" % ("./data/cifar-100-binary/", self.data_key, ".bin"))
data = tf.data.FixedLengthRecordDataset(data_files, record_bytes=3074)
data = data.map(self.load_transform)
if self.shuffle
浏览 0提问于2018-11-08得票数 3
1回答
用keras逼近
、、、、
我试图用keras模型来近似函数，它只有一个隐藏层，无论我做什么-我都无法得到必要的结果。
我试着用下面的代码来做到这一点
from __future__ import print_function
from keras.models import Sequential
from keras.layers import Dense
from keras.optimizers import Adam
from LABS.ZeroLab import E_Function as dataset5
train_size = 2000
# 2 model and data initializ
浏览 11提问于2018-12-18得票数 1
在Spark core的" example“目录中(我使用的是Spark 1.2.0)，有一个名为"SparkPageRank.scala”的示例，
val sparkConf = new SparkConf().setAppName("PageRank")
val iters = if (args.length > 0) args(1).toInt else 10
val ctx = new SparkContext(sparkConf)
val lines = ctx.textFile(args(0), 1)
val links = lines.map
浏览 0提问于2015-09-05得票数 3
2回答
我想在keras NN (函数模式)上添加一个1D输入数据的随机混洗作为第一层。 这有可能吗？如果不可能，随机翻译将是第二好的。 我发现keras实现了keras.layers.experimental.preprocessing.RandomTranslation。 而我的数据是一维的 如果问题需要神经网络，我想随机洗牌this toy network的输入。 我尝试用以下命令对输入进行预处理 input_layer = keras.layers.Input(input_shape)
randomTranslation=keras.layers.experimental.p
浏览 19提问于2021-03-31得票数 0
回答已采纳
我使用的是TensorFlow 2.3.1，下面的代码没有对数据进行混洗。
我有时间序列数据，我想要构建预测的特征和目标。
代码：
data_len = len(calls['Calls'])
# Load data as TensorFlow dataset
dataset = tf.data.Dataset.from_tensor_slices(calls['Calls'])
# Create data windows and shifting values. Drop incomplete arrays
dataset = dataset.window
浏览 13提问于2021-02-25得票数 0
2回答
我有一个例子，在一个文件中间有一个字节块，需要对其进行混洗。目前，该实现读取文件，对内存中的字节进行混洗，然后输出整个文件。虽然这是可行的，但它不能扩展到更大的文件大小。我还没有找到一种C++应用程序接口，它允许我在特定的偏移量处向文件写入特定数量的字节，而不会影响后面的字节。
这可以做到吗？
浏览 1提问于2013-04-25得票数 1
回答已采纳
我在tensorflow v1.12中使用对象检测API。我在获得可重现的结果时遇到了麻烦--每次我运行我的代码时都会得到不同的结果。有没有办法在训练/预测级别设置随机种子？我试着在model_main.py中建立种子，但是没有帮助。 def main(unused_argv):
tf.random.set_random_seed(1234)
flags.mark_flag_as_required('model_dir')
flags.mark_flag_as_required('pipeline_config_path')
c
浏览 16提问于2020-12-24得票数 0
我对Keras有这个问题，我的test_set定义如下： 我的测试集 test_datagen = ImageDataGenerator(rescale = 1./255)
test_set = test_datagen.flow_from_dataframe(dataframe=X_test,
x_col='image_path',
y_col='category_id',
浏览 27提问于2020-07-29得票数 0
回答已采纳
我有一个keras模型，当我运行时：
model = create_model()
predicted_values_dataset = model.predict(simple_dataset)
predicted_values_sample_by_sample = np.ones_like(predicted_values_dataset)
count = 0
for x,y in simple_dataset:
class_probabilities = model.predict(x)
predicted_values_sample_by_sample[count,:
浏览 6提问于2021-02-21得票数 1
我是一个新手，在这个问题上我遇到了一个错误，谁能帮我吗？
试图用手工数据集识别形状。
我很难解决这个错误：
ValueError:层顺序输入0与层不兼容:输入形状的期望轴-1为值3，但接收到的输入为无、100、100、1。
这是我的代码：
from keras.models import Sequential
from keras.layers import Dense, Flatten, Dropout
from keras.layers import Convolution2D, MaxPooling2D
from keras.preprocessing.image import Imag
浏览 2提问于2021-11-23得票数 0
回答已采纳
我试着用fit_generator()训练我的连体网络，我从这个答案中了解到：Keras: How to use fit_generator with multiple inputs最好的方法是创建你自己的生成器来产生多个数据点，我的问题是我用flow_from_directory()函数检索我的数据，我不知道这是否可能。 这是我尝试重新启用一个生成器来解决我的问题： from keras.models import load_model
from keras import optimizers
from keras.preprocessing.image import ImageDat
浏览 17提问于2019-09-14得票数 3
我正在使用Inception V3创建一个图像分类模型，它有两个类。我已经将我的数据集和标签拆分为两个numpy arrays.The数据拆分，trainX和testY作为图像，trainY和testY作为相应的标签。
data = np.array(data, dtype="float")/255.0
labels = np.array(labels,dtype ="uint8")
(trainX, testX, trainY, testY) = train_test_split(
data,l
浏览 3提问于2018-08-22得票数 7
回答已采纳
1回答
有状态LSTM的实现
、、、
我想创建一个有状态的LSTM
我的数据是68871 x 43，其中特征在1-42列，标签在43列
我的用于数据分类的keras LSTM代码是
import numpy
import matplotlib.pyplot as plt
import math
from keras.models import Sequential
from keras.layers import Dense
from keras.layers import LSTM, Dropout
from sklearn.preprocessing import MinMaxScaler
from sklearn.metri
浏览 2提问于2017-02-22得票数 0
Vowpal Wabbit会在每一次epoch/pass后自动洗牌吗？我希望创建的缓存文件将包含混洗元数据，这是像大众默认的在线SGD方法这样的在线算法所必需的。例如。
vw -d train.txt -c --passes 50 -f train.model
如果不是，我有一个备份脚本，可以在每次遍历时手动处理数据
# Create the initial regressor file
vw -d train.txt -f train.model
# For the next 49 passes, shuffle and then update the regressor file
for
浏览 4提问于2014-01-06得票数 6
1回答
我很难理解2D Conv计算是如何在4D输入上完成的。基本上，这就是情况，我有一个图像的高度，宽度，通道= 128,128,103。我希望这103个通道中的每个通道都被单独处理，就像我将它们逐个输入到网络中一样。下面这行行得通吗？
import tensorflow.keras
from tensorflow.keras.layers import Conv2D
model1 = tensorflow.keras.models.Sequential()
model1.add(Conv2D(1, kernel_size=(3,3), input_shape = (128, 128,103,1),
浏览 3提问于2021-09-06得票数 0
2回答
我一直在尝试为我的CNN模型标记我的灰度图像。在这个阶段，我的目标是二进制分类(正常与故障条件)。我已经将我的图像分发到两个单独的文件夹(正常和错误)，并希望在我的代码中使用相应的目录。但是，我没有找到使用目录标记灰度图像的资源。有人知道我们如何使用目录来标记灰度图像吗？我也可以这样问我的问题，我们可以使用ImageDataGenerator函数标记我们的灰度图像吗？
注意:我使用以下代码，但它将我的灰度图像转换为彩色图像。
train_path =‘目录’
train_batches = ImageDataGenerator(preprocessing_function=tf.keras.a
浏览 2提问于2021-02-06得票数 1
我试图通过示例来学习Keras，并在Kaggle上找到了这段代码。我如何通过TensorFlow后端在Keras上实现这个功能？
mona@pascal:~/computer_vision/kaggle_distracted_driver$ python run_keras_simple.py
/usr/local/lib/python2.7/dist-packages/sklearn/cross_validation.py:44: DeprecationWarning: This module was deprecated in version 0.18 in favor of the m
浏览 3提问于2017-01-24得票数 1
回答已采纳
我正在尝试运行一个CNN代码，但是在代码的顶部，下面的一行有红色的keras和BatchNormalization下划线。
from keras.layers.normalization import BatchNormalization
我不知道为什么有下划线。我确认我安装了python、keras和tensorflow。
>>> import keras
>>> keras.__version__
'2.8.0'
>>>
>>> import tensorflow as tf
>>>
浏览 16提问于2022-05-08得票数 0
我正在准备一个数据集，然后在存储输出之前训练一个模型(为了知识蒸馏的目的)
为了以tfrecords格式存储它们，我需要使用.zip()函数。
我用下面的代码重现了bug/错误。我的实际培训文件有数百行，所以我没有在这里包含它们。
我使用tensorflow 2.1。和ubuntu 18.04上的python 3.7
我不能解决的问题是：
数据被打乱(这是可以的)。但是在压缩之后，元组之间的顺序是不同的(这是不对的)。
import tensorflow as tf
ds = tf.data.Dataset.from_tensor_slices([1,2,3,4, 5])
#prepare
浏览 0提问于2020-02-18得票数 2
1回答
有人能详细解释一下bogosort的平均用例时间是多少吗？
算法的伪代码：
while not isInOrder(deck):
shuffle(deck)
浏览 0提问于2013-03-03得票数 2
1回答
我是Python和Tensorflow的初学者。当我学习Tensorflow的线程和队列部分时，我有点困惑。
那么，当我们使用多线程(由QueueRunner生成)从数据源将一个队列入队时，入队顺序是什么？队列中的数据是否会保持数据源中的原始顺序？如果是这样，如何使用多线程来实现这一点呢？如果不是，为什么我们需要RandomShuffleQueue (如果入队顺序不是固定的，shuffle出队顺序看起来有点多余)？
提前谢谢你。
浏览 1提问于2017-12-23得票数 1
我在使用tensorflow 2.3开发一个NN模型时遇到了问题，该模型一旦包含BiLSTM层就会出现。我尝试过一个自定义模型，但这是Keras文档页面中的一个，而且它也失败了。
它不可能是输入形状的问题，因为这发生在编译时，而且输入数据还没有提供给模型。
在另一台机器上试了一下，它在相同版本的tensorflow上运行得很好。
我使用的代码是：
from tensorflow import keras
from tensorflow.keras import layers
max_features = 20000 # Only consider the top 20k w
浏览 2提问于2021-06-08得票数 1
回答已采纳
1回答
我是spark的新手，想知道关于spark工作的优化。
我的工作是一个简单的转换类型的工作合并2行基于一个条件。在这样的工作中人们可以执行哪些不同类型的优化？
浏览 0提问于2017-07-23得票数 0
请帮助我摆脱这一错误，同时建立一个模型的脸比较/相似性检查。我得到了X_val.shape，y_val.shape，X_train.shape，y_train.shape (2，2，32，32，1) (2，) (40，2，32，32，1) (40)，正如我所期望的一样，我正在得到这个错误。我从这个链接得到了代码
(python2.7)
-----------------------
Loading validation dataset...
-----------------------
-----------------------
Loading training dataset...
浏览 11提问于2021-12-14得票数 0
我正在尝试构建一个用于图像分割的Unet卷积神经网络，但当我尝试使用输入数据编译模型时，我得到了形状不兼容的错误消息。 print(x_data.shape)
print(x_test.shape)
print(y_data.shape)
print(y_test.shape)
>>
(4, 767, 1022, 3)
(4, 767, 1022, 3)
(4, 767, 1022, 3)
(4, 767, 1022, 3)
>>>>
model = sm.Unet('resnet34', classes=1, activation=&
浏览 19提问于2020-10-20得票数 2
回答已采纳
x = np.load('/Users/bharddwajvemulapalli/Documents/tensorFlowProjects/Sign-language-digits-dataset 2/X.npy')
y = np.load('/Users/bharddwajvemulapalli/Documents/tensorFlowProjects/Sign-language-digits-dataset 2/Y.npy')
x = x/255
from tensorflow.keras.datasets import cifar10
from tenso
浏览 0提问于2018-09-25得票数 0
1回答
我从AstroNN库加载了一个数据集。因为我认为图像的颜色不是星系形成分类的一个因素，所以我想把所有的数据集转换成灰度，以减小图像的大小。如何对整个数据集执行此操作？
下面是我的代码的一部分，它加载数据集并将其拆分：
import matplotlib.pyplot as plt
import numpy as np
import os
import tensorflow as tf
import tensorflow.keras.layers as tfl
from astroNN.datasets import load_galaxy10
from tensorflow.keras imp
浏览 3提问于2021-07-27得票数 0
回答已采纳
我正在尝试理解如何使用交叉验证函数sklearn.model_selection.KFold。如果我定义(就像在这个tutorial中) from sklearn.model_selection import KFold
kf = KFold(n_splits=5, shuffle=False, random_state=100) 我得到了 ValueError: Setting a random_state has no effect since shuffle is False.
You should leave random_state to its default (None),
浏览 160提问于2021-06-29得票数 0
2回答
我是Tensorflow的新手，一直在根据我在ts网站上找到的教程进行一些模型训练。我已经能够将满足我的初步需求的功能组合在一起。
我在本地读取了一个csv文件，它提供了一些指向与同一csv行上的标签相关联的图像的链接。我的代码大致如下所示：
def map_func(*row):
img = process_img(img_filename)
output = read(row)
return img, output
dataset = tf.data.experimental.CsvDataset(CSV_FILE, default_format, header=True)
浏览 0提问于2020-05-02得票数 0
1回答
我正在使用一个名为(tensorflow-sessions)的单独环境，并通过以下方式安装opencv：
(tensorflow-sessions) $conda install -c menpo opencv
在我的正常路径中：
pip install opencv-python
当我不在我的环境中时，它工作得很好，但当我在环境中时，它就不行了。下面是我得到的错误：
<ipython-input-13-78e172347b91> in <module>
----> 1 from imageai.Detection import VideoObjectDetect
浏览 0提问于2018-11-30得票数 0
一般来说，Spark的join操作会导致混洗。join的操作什么时候不会引起混洗？谁能告诉我一些针对Spark进行优化的方法？
浏览 0提问于2017-05-12得票数 0
我试着用Anaconda导航器安装Tensorflow，但是在导航器中找不到软件包。
我没有安装任何额外的软件包，如keras，openCV等，所以它们必须在上面的部分中显示。
我也尝试在TensorFlow部分中搜索
在基本(根)环境中也尝试了同样的方法。请帮帮忙。甚至尝试使用cmd提示符安装tensorflow。这会引发一个错误，因此我希望只使用导航器来安装它。提前谢谢你
浏览 12提问于2020-10-30得票数 2
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
腾讯会议
实时音视频活动推荐
腾讯云开发者
