在tensorflow急切模式下调用python代码的开销很大
在TensorFlow急切模式下调用Python代码的开销很大。
急切模式（Eager mode）是TensorFlow中的一种执行模式，它允许即时执行操作并立即返回结果，相比于默认的计算图模式（Graph mode），急切模式更加直观且易于调试。然而，由于Python的动态特性和TensorFlow与Python之间的交互，急切模式下调用Python代码可能会导致性能下降。
调用Python代码的开销主要体现在以下几个方面：
- Python与TensorFlow的通信开销：在急切模式下，TensorFlow与Python之间需要频繁进行数据交换和通信，这会引入额外的开销。
- Python的全局解释器锁（Global Interpreter Lock，GIL）：由于GIL的存在，Python在多线程执行时只能有一个线程执行Python字节码，这导致了多线程代码在CPU密集型任务上无法充分利用多核优势。
- Python函数调用的开销：Python的函数调用相对较慢，尤其是涉及大量参数传递和返回值的情况下。
为了解决在TensorFlow急切模式下调用Python代码的开销问题，可以采取以下优化措施：
- 减少Python代码的调用：尽量将计算逻辑转移到TensorFlow原生的操作上，减少与Python的交互次数。
- 使用TensorFlow的原生函数和操作：TensorFlow提供了丰富的原生函数和操作，它们以C++实现，执行效率较高，可以有效地减少Python的调用开销。
- 使用TensorFlow的并行计算特性：TensorFlow提供了并行计算的能力，可以利用多核处理器进行并行计算，提高计算性能。
- 使用TensorFlow的图模式：在性能要求较高的场景中，可以将代码切换到TensorFlow的计算图模式，将计算逻辑转化为静态图的形式，以获得更高的性能。
腾讯云相关产品和产品介绍链接地址：
- 腾讯云AI Lab：https://cloud.tencent.com/product/ai-lab
- 腾讯云AI加速器：https://cloud.tencent.com/product/ai-accelerator
- 腾讯云弹性GPU服务：https://cloud.tencent.com/product/gpu
- 腾讯云函数计算：https://cloud.tencent.com/product/scf
- 腾讯云容器服务：https://cloud.tencent.com/product/ccs
- 腾讯云容器镜像服务：https://cloud.tencent.com/product/tcr
- 腾讯云弹性MapReduce：https://cloud.tencent.com/product/emr
- 腾讯云云服务器（CVM）：https://cloud.tencent.com/product/cvm
- 腾讯云云数据库MySQL版：https://cloud.tencent.com/product/cdb-for-mysql
- 腾讯云对象存储（COS）：https://cloud.tencent.com/product/cos
- 腾讯云区块链服务：https://cloud.tencent.com/product/tbaas
- 腾讯云物联网平台：https://cloud.tencent.com/product/iot
- 腾讯云移动推送：https://cloud.tencent.com/product/umeng
- 腾讯云音视频处理：https://cloud.tencent.com/product/avp
相关·内容
我有一个keras模型，当我从keras导入子模块(层、后端函数)时，它工作得很好。但是，如果我从tensorflow.keras导入这些模型，那么相同的模型就会中断。
下面是一个例子，说明了这个问题：
if True:
from keras import backend as K
from keras.models import Model
from keras.layers import Input, Lambda
from keras.preprocessing.image import ImageDataGenerator
else:
from tensorflow
浏览 0提问于2019-01-17得票数 3
我在TF中看到这样的代码：
from tensorflow.python.eager import function
...
class _PerDeviceGenerator(dataset_ops.DatasetV2):
"""A `dummy` generator dataset."""
def __init__(self, shard_num, multi_device_iterator_resource, incarnation_id,
source_device, element_spec)
浏览 2提问于2020-05-22得票数 0
回答已采纳
最近，我尝试在tensorflow中使用elmo，但我遇到了一些错误，如果您能帮助我，我将不胜感激。
这是我的test_code：
import tensorflow as tf
import tensorflow_hub as hub
import numpy as np
import urllib.request
if __name__ == '__main__':
elmo = hub.Module('https://tfhub.dev/google/elmo/3',trainable=True)
x = ["Hi
浏览 8提问于2021-10-20得票数 1
我正在训练以运行行tf.config.run_functions_eagerly(True)，但我得到了错误
AttributeError: module 'tensorflow' has no attribute 'config'
我的Python版本是3.9.2，我使用的是Tensorflow 1.8.0和Keras 2.1.5。我怎样才能克服这个错误？
浏览 2提问于2021-03-23得票数 0
回答已采纳
1回答
问题描述
我试图在TensorFlow 2.3.0中编写一个自定义丢失函数。要计算损失，我需要将y_pred参数转换为numpy数组。但是，我无法找到一种方法将它从<class 'tensorflow.python.framework.ops.Tensor'>转换为numpy数组，尽管似乎有TensorFlow函数可以这样做。
代码示例
def custom_loss(y_true, y_pred):
print(type(y_pred))
npa = y_pred.make_ndarray()
...
if __name__ =
浏览 11提问于2020-09-13得票数 9
回答已采纳
2回答
根据TensorFlow的说法，我已经在M1 (ARM) Mac上安装了。一切都很好。
然而，模型培训正在CPU上进行。如何将培训切换到GPU
In: tensorflow.config.list_physical_devices()
Out: [PhysicalDevice(name='/physical_device:CPU:0', device_type='CPU')]
在的文档中，我发现下面的有点混乱
不必对现有的TensorFlow脚本进行任何更改，就可以将ML用作TensorFlow和TensorFlow加载项的后端。对于ML，有一个可选的mlco
浏览 3提问于2021-04-19得票数 6
回答已采纳
我正在使用来自Keras的预训练的MobileNet，并希望使用TensorFlows联邦学习来训练它，但我总是得到一个错误，即协议缓冲区无法序列化，因为超过了2 2GB的限制。我的输入是224x224RGB图像。 编辑:我有一个包含1000个图像(每个客户端500个图像)的数据集，每个数据集使用10个时期。 我创建和训练Keras模型的代码如下： def create_compiled_keras_model():
base_model = MobileNet(weights='imagenet', include_top=False)
x = base_m
浏览 13提问于2019-05-03得票数 2
我试图在TensorFlow tutorial here上运行完全相同的代码。 当我说到行的时候： predictions = model(x_train[:1]).numpy() 我得到了错误： 'numpy.ndarray'对象没有属性'get_shape' 我在here上看到有人遇到了类似的问题，所以我把这一行改为： predictions = model(tf.convert_to_tensor(x_train[:1])).numpy() 我得到了错误： 'MatMul' Op的输入'b'的类型float32与参数
浏览 31提问于2020-04-28得票数 0
我正在进行一个项目，在这个项目中，我用Keras、Tensorflow作为后端引擎训练了一系列二进制分类器。我拥有的输入数据是一系列图像，其中每个二进制分类器必须对图像进行预测，稍后我将预测保存在CSV文件中。
我遇到的问题是，当我从第一个系列二进制分类器中得到预测时，没有任何警告，但是当第5个或第6个二进制分类器调用输入数据上的predict方法时，我得到以下警告：
警告:tensorflow:在过去5次对<function Model.make_predict_function..predict_function at 0x2b280ff5c158>的调用中，有5次调用触发了
浏览 3提问于2021-09-10得票数 5
守则：
import numpy as np
import tensorflow as tf
import pandas as pd
from sklearn.model_selection import train_test_split
x_data = np.linspace(0, 1000000, 1000)
y_true = np.sin(x_data)
y_true += np.random.randn(len(x_data))
feature_columns = [tf.feature_column.numeric_column('x', shape=[1
浏览 0提问于2018-08-18得票数 0
回答已采纳
我有一个张量器，我正试图将它保存为TensorProto，如所示
print(type(x))
print('TensorProto:\n{}'.format(x))
# Save the TensorProto
with open('tensor.pb', 'wb+') as f:
f.write(x.SerializeToString())
错误：
<class 'tensorflow.python.framework.ops.Tensor'>
(1, 118, 120, 80, 3)
浏览 16提问于2021-09-02得票数 0
回答已采纳
从打印输出来看，它是功能。但根据
操作是TensorFlow图中的一个节点，它以零或多个张量对象作为输入，并生成零或多个张量对象作为输出。类型操作的对象是通过调用Python构造函数(例如tf.matmul)或tf.Graph.create_op来创建的。
它是一个构造函数。所以我认为这是一个类名。但是，打印tf.matmul的返回值表明它是张量，而不是“类型操作的对象”。类张量是从类操作继承来的吗？我试图在tensorflow源代码中找到tf.matmul的定义，但没有得到它。
浏览 17提问于2019-11-15得票数 1
回答已采纳
在没有keras的情况下，你能在tensorflow中做急切的执行吗？我在TensorFlow图形代码中有一个非神经网络模型，可以移动到eager。这是一种用于推荐系统的低秩矩阵分解。
Python语言。
谢谢
要求回答者请演示工作代码。如果答案包括猜测，请明确说明。
浏览 3提问于2018-09-19得票数 0
1回答
我在tensorflow 2.0.0中使用keras (tensorflow 2.0.0)，我有一个网络，它的输入是图像，输出也是图像。我想结合MSE，MSE在VGG的特征空间和其他一些损失，这取决于中间层的输出。我在定义一个定制的损失函数。我能够建立模型，编译自定义损失。但是当我用fit_generator训练的时候，我得到了一个SymbolicException在说Inputs to eager execution function cannot be Keras symbolic tensors
全码
列车档案：
def __init__(self, gray_images: bool,
浏览 1提问于2019-12-19得票数 5
回答已采纳
谢谢大家帮助我理解下面的问题。我已经更新了问题，并产生了一个CPU-只有运行和GPU只运行。一般来说，在这两种情况下，直接的numpy计算似乎都比model. predict()快数百倍。希望这能澄清这似乎不是CPU vs GPU的问题(如果是的话，我很想解释一下)。
让我们用keras创建一个经过训练的模型。
import tensorflow as tf
(X,Y),(Xt,Yt) = tf.keras.datasets.mnist.load_data()
model = tf.keras.models.Sequential([
tf.keras.layers.Flatten
浏览 2提问于2020-07-01得票数 12
回答已采纳
10回答
如何修复从GitHub下载的这段代码的错误。
predicted_id = tf.multinomial(tf.exp(predictions), num_samples=1)[0][0].numpy()
抛出错误
AttributeError: 'Tensor' object has no attribute 'numpy'
请帮我把这个修好！
我用：
sess = tf.Session()
with sess.as_default():
predicted_id = tf.multinomial(tf.exp(predictions),
浏览 0提问于2018-09-16得票数 87
回答已采纳
1回答
我的代码是跨几个文件和函数分发的，因此在这里引用它是不实际的。我想，如果我能很好地理解急切的执行和tf.function，我可以自己解决这个问题。这里有人能帮我做以下几个问题吗？
仅在紧急执行被禁用时，@tf.function装饰器才能工作吗？，@tf.function装饰器和急切执行模式之间的关系是什么？，TensorFlow如何在内部切换急切模式和非急切模式？当我禁用急切的执行，并且我的代码中有一些错误时，我仍然会得到对文件的引用，这些文件告诉我，急切的执行可能在内部发生。
浏览 3提问于2019-10-28得票数 7
在Tensorflow 2.0中，我们看到的主要“张量”实际上是EagerTensors (更准确地说是tensorflow.python.framework.ops.EagerTensor)：
x = [[2.]]
m = tf.matmul(x, x)
type(m)
# returns tensorflow.python.framework.ops.EagerTensor
但是，在某些情况下，我们有符号Tensor对象(tensorflow.python.framework.ops.Tensor)，就像TF1.X中的那样。
例如在角星中：
from tensorflow.keras.mo
浏览 0提问于2019-08-26得票数 11
1回答
如何正确地调试TensoFlow中具有执行模式的回调？下面的场景显示了错误。回调是此表单的度量函数：
def my_custom_metric_in_top_k(k):
def metric_in_top_k(labels,predictions,features):
import pdb
pdb.set_trace()
...
return metric_in_top_k
在pdb控制台中，我使用sess=tf.compat.v1.InteractiveSession()创建一个会话，然后通过labels.eval()获取标签张
浏览 3提问于2020-07-12得票数 1
我目前正在查看Tensorflow中的急切模式，并想知道是否可以提取用于Tensorboard的图形。我知道Tensorflow急切模式实际上没有用户必须创建的图形或会话系统。然而，据我所知，有一个在引擎盖下。这个隐藏的图形和会话可以导出以支持Tensorboard中的可视图形视图吗？还是我需要将我的模型重做成图形/会话执行的形式？
浏览 0提问于2018-05-09得票数 9
回答已采纳
2回答
我已经附加了下面的错误消息。因此，我创建了一个训练函数，该函数存储在另一个文件中，并在主文件中导入和调用。我不确定训练函数的哪一部分导致'tensor object‘没有'numpy’属性错误。
AttributeError Traceback (most recent call last)
<ipython-input-20-4ddccfd682ac> in <module>()
23 monitor=settings['moni
浏览 28提问于2021-06-11得票数 0
回答已采纳
我根据Tensorflow的官方教程安装了环境，但是示例代码没有正确运行：
安装anacondaInstall python的conda create --name tensorflow python=3.7.4Install tensorflow by pip install --upgrade --ignore-installed tensorflowCreate，一个新的项目，并选择现有的解释器，该解释器i installedRun在pycharm中的代码
我错过了什么步骤吗？
import tensorflow as tf
import os
os.environ['TF_CP
浏览 1提问于2019-11-11得票数 0
回答已采纳
我试图通过一些调整来实现“注意就是你所需要的一切”的时间序列，但是我得到了这个错误：
OperatorNotAllowedInGraphError:不允许在tf.Tensor上迭代: AutoGraph确实转换了这个函数。
代码：
import tensorflow as tf
from tensorflow import keras
class Attention(tf.keras.layers.Layer):
def __init__(self, dk, dv, num_heads, filter_size):
super().__init__()
浏览 5提问于2021-08-03得票数 2
回答已采纳
我正在努力学习如何在TensorFlow中构建一个图，但却陷入了一个看似微不足道的操作中。这就是我所拥有的
import tensorflow as tf
def loss(x, y):
tf.reduce_mean(tf.square(x - y))
xx = tf.random_normal([])
noise = tf.random_normal([])
yy = 3 * xx + 2 + noise
W = tf.get_variable("W", [])
W.assign(5)
b = tf.get_variable("b", [])
b.assi
浏览 0提问于2019-02-22得票数 1
回答已采纳
求求你，求你帮帮我！我解决不了！ 所以..。我的python版本是Python 3.5.6，Anaconda版本是Conda 4.8.3。我正在使用Jupyter Notebook。 我在MacOS工作。 我已经创建了一个环境tfdeeplearning： conda create -n tfdeeplearning python=3.5 我已经安装了以下内容： 1. conda install jupyter
2. conda install numpy
3. conda install pandas
4. conda install scikit-learn
5. conda insta
浏览 72提问于2020-07-27得票数 0
我正在尝试复制在时间序列中使用RNN的例子，如在上发布的那样。
但是，我收到以下错误消息：
NotFoundError: Resource AnonymousIterator/AnonymousIterator3/class
tensorflow::data::IteratorResource does not exist.
[[{{node IteratorGetNext_3}}]]
当我试图执行这一行时：
for x, y in val_univariate.take(1):
print(simple_lstm_model.predict(x,steps=1).shape)
环境：
浏览 2提问于2019-08-21得票数 2
我有一个稀疏的范畴张量，我想把它转换成一个热编码的表示。我可以让它在急切的模式下工作，但不能在图形模式下工作。我不明白这是怎么回事。
具体来说，我有一个稀疏的分类。
y=tf.constant(np.random.choice([0,1,2],2).reshape(-1,1))
我想转换成一个热编码的表示法。我定义了一个函数
def tmp(y):
return tf.keras.utils.to_categorical(y)
它的工作就像预期的那样。但是，如果我包装函数
@tf.function
def tmp(y):
return tf.keras.utils.to_cat
浏览 2提问于2020-06-14得票数 3
我不确定这是Tensorflow bug还是我对这个函数应该做什么的误解，但是我不能让tf.py_function在图形模式下返回一个EagerTensor。因此，对该函数的输出调用.numpy()失败。
这个问题可以使用正式文档()中给出的确切例子来再现：
import tensorflow as tf
tf.compat.v1.disable_eager_execution()
def log_huber(x, m):
if tf.abs(x) <= m:
return x**2
else:
return m**2 * (1 - 2 * tf.math.l
浏览 13提问于2022-07-31得票数 1
我使用的是Tensorflow 2.2.0GPU，我有一个简单的Keras模型，它由几个密集的层和一个线性输出组成(参见下面的代码)。我正在对可变长度样本进行模型培训，当我运行代码时，会收到关于tf.function回溯的警告。据我所读，函数跟踪是昂贵的，因此性能很差。下面是代码，在我的机器上运行大约需要330秒。
#import tensorflow as tf
#tf.compat.v1.disable_eager_execution()
import numpy as np
import timeit
from tensorflow import keras
from tensorfl
浏览 4提问于2020-06-15得票数 1
回答已采纳
我已经实现了以下自定义Layer，它根据使用函数repeat的输入x的大小，在调用时修改可学习参数seed_vectors的大小。
import tensorflow as tf
from tensorflow.keras.layers import Dense
from tensorflow import repeat
from tensorflow.keras.layers import LayerNormalization
class PoolingMultiHeadAttention(tf.keras.layers.Layer):
def __init__(self, d
浏览 3提问于2020-03-02得票数 3
回答已采纳
在开发图像识别网站时存在一些问题。
[2021-07-19 02:27:21,880] ERROR in app: Exception on /uploads/comedy3.jpg [GET]
Traceback (most recent call last):
File "C:\Users\Ram Raj\anaconda3\envs\Tutorial\lib\site-packages\flask\app.py", line 2447, in wsgi_app
response = self.full_dispatch_request()
File &#
浏览 1提问于2021-07-18得票数 1
1回答
我在将训练好的模型加载到另一个python文件时遇到了问题。下面是我用来保存它的代码： input_size = 16
output_size = 2
hidden_layer_size = 50
model = tf.keras.Sequential([
tf.keras.layers.Dense(hidden_layer_size,
activation='relu'), # 1st hidden layer
tf.keras.layers.Dense(hidden_layer_size,
浏览 18提问于2021-04-02得票数 1
回答已采纳
如何在急切模式下将张量转换为numpy数组？在急切模式下，我不需要创建会话，因此不能使用.eval()。
我尝试了tf.constant()，它给出了以下错误：
TypeError: Failed to convert object of type <class 'tensorflow.python.ops.variables.Variable'> to Tensor. Contents: <tf.Variable 'filters_C:0' shape=(2, 2) dtype=float32_ref>. Consider castin
浏览 1提问于2018-05-22得票数 2
回答已采纳
我的操作系统是Ubuntu 16.04
Python版本为3.5
Tensorflow版本为14.0
当我尝试一个TF急切模块的简单代码时
import tensorflow as tf
import tensorflow.contrib.eager as tfe
tfe.enable_eager_execution()
x = [[2.]]
m = tf.matmul(x, x)
我得到了
AttributeError:模块“tensorflow.contrib.eager”没有属性“enable_eager_execution”
那怎么了？
浏览 0提问于2017-11-07得票数 6
当使用随Tensorflow (Tensorflow 2)嵌入的Keras时，我注意到当使用嵌入在Tensorflow中的Keras的predict()函数和来自独立Keras的predict()时，计算时间大大增加。请参阅下面的玩具代码：
import tensorflow
import keras
import numpy as np
import time
test = np.array([[0.1, 0.1, 0.1, 0.1, 0.1, 0.5, 0.1, 0., 0.1, 0.2]])
# Keras from inside Tensorflow
model_1 = tenso
浏览 6提问于2020-05-09得票数 0
回答已采纳
我正在尝试实现一个神经网络体系结构(自组织映射)，以便在GPU上执行。我正在探索这个任务的TensorFlow。
在TensorFlow中，我注意到您只需指定gpu作为在gpu上执行某些操作的设备，比如在 post中。看起来，并行操作的方式由TF决定，用户没有选择来做出优化决策。TensorFlow性能指南中的“GPU优化”部分也没有提到对并行化操作的显式控制。
我的问题是，我可以在TensorFlow中进行类似CUDA的优化吗？更详细地说，是否有可能定义哪些操作将被并行化(比如为并行操作定义CUDA内核)？
浏览 8提问于2018-01-08得票数 1
回答已采纳
我正在实现一个Tensorflow变分自动编码器，它完全复制了“用Python进行深度学习”一书中的代码。直到几天前，代码还在正常工作，但截至昨天，它已经停止工作(我没有更改代码)。
该代码用于生成模型，该模型可以复制MNIST数据集中的图像。
具体错误消息如下：
TypeError:函数构建代码之外的一个op正在被传递一个“图”张量。通过在函数构建代码中包含一个tf.init_scope，可以使图形张量从函数构建上下文中泄漏出来。图张量的名称为:稠密_2/BiasAdd:0
我已经在下面的Google协作文件中提供了代码，所以您可以自己运行它：
浏览 0提问于2020-08-05得票数 1
回答已采纳
我有以下问题:我已经使用deepchem创建了一个模型，这是一个包装的keras模型，训练它并重新加载它。我可以毫不费力地预测使用这个模型。现在我想复制这个模型，它少了一个输入，因为在我的使用场景中，一个输入总是不变的，总是传递它会导致我无法编辑的函数中的错误。
data = np.array(data.data, dtype=float32)
with tf.Graph().as_default() as temp_graph:
tf.import_graph_def(self.model.session.graph.as_graph_def(),
浏览 0提问于2020-03-10得票数 1
无法从“(C:\python3\lib\site-packages\tensorflow\python_init.py”导入名称“pywrap_dtensor_device”
浏览 3提问于2022-05-01得票数 -1
我只需输入中给出的代码，下面是我的代码：
import tensorflow as tf
print(tf.__version__)
# Build a dataflow graph.
c = tf.constant([[1.0, 2.0], [3.0, 4.0]])
d = tf.constant([[1.0, 1.0], [0.0, 1.0]])
e = tf.matmul(c, d)
# Construct a `Session` to execute the graph.
sess = tf.compat.v1.Session()
# Execute the graph and s
浏览 0提问于2019-07-26得票数 15
print("sequences",len(sequences))
print("seq_length",(seq_length))
print("vocab size",(vocab_size))
X = tf.zeros((len(sequences), seq_length, vocab_size), dtype=tf.bool)
y = tf.zeros((len(sequences), vocab_size), dtype=tf.bool)
输出
sequences 30373553
seq_length 30
vocab size 1
浏览 0提问于2020-01-03得票数 0
回答已采纳
我正在学习神经类型的迁移教程，并且是这个主题的新手，这篇论文是可用的，并且遵循着可用的代码。
我通过安装所需的东西、TensorFlow环境等来解决一些问题，但是当谈到迭代部分(这个示例代码的最后一行)时，屏幕上出现了一个错误，我不明白为什么会看到它。
请找到的全部代码
这是迭代部分：
iterations = 4000
for i in range(1, iterations + 1):
loss, grads = compute_loss_and_grads(combination_image, base_image, style_reference_image)
opti
浏览 34提问于2022-02-08得票数 1
1回答
我正在使用TF2.0中的一些LSTM层。为了训练目的，我使用回调LearningRateScheduler，为了速度目的，我禁用了Tensorflow (disable_eager_execution)的急切模式。但当我同时使用这两种功能时，tensorflow会发出警告：
Operation ... was changed by setting attribute after it was run by a session. This mutation will have no effect, and will trigger an error in the future. Either d
浏览 14提问于2019-12-13得票数 2
我已经在Python中构建了一个tensorflow模型来进行图像识别，但我想更好地理解我的模型是如何工作的。我想在我的模型的每一层之间打印值。 我使用的是TensorFlow 1.13.1和Python3.6.8。 # model with 2 hidden layers
print("Creating model and adding layers...")
model = tf.keras.models.Sequential()
model.add(tf.keras.layers.Dense(256, activation='relu'))
model.
浏览 10提问于2019-04-12得票数 1
回答已采纳
为什么tensorflow禁用tf.keras.Model的tf.keras.Model函数中的急切执行？也许我做错了什么，但这里有一个例子：
from __future__ import annotations
from functools import wraps
import tensorflow as tf
def print_execution(func):
@wraps(func)
def wrapper(self: SimpleModel, data):
print(tf.executing_eagerly()) # Prints False
浏览 9提问于2021-03-23得票数 1
回答已采纳
我试图从修改代码
我得到了一个错误：
tf.enable_eager_execution must be called at program startup.
我认为它来自于这些代码行：
from __future__ import print_function
import make_dataset
import tensorflow as tf
import tensorflow.contrib.eager as tfe
tf.enable_eager_execution()
此外，我认为我需要紧急执行的原因是因为在我的with tf.session块中：
使用tf.Session()作
浏览 1提问于2018-05-11得票数 6
在运行sess.run(init)时，我一直收到这个错误。我有基本的tensorflow 1.3知识，但现在我正在使用tensorflow 2.2并不断地得到这些错误
import tensorflow as tf
sess=tf.compat.v1.InteractiveSession()
my_tensor=tf.random.uniform((4,4),minval=0,maxval=1)
my_var=tf.Variable(initial_value=my_tensor)
init=tf.compat.v1.global_variables_initializer()
ses
浏览 3提问于2020-09-23得票数 0
回答已采纳
a=tf.Variable(0, name='input')
b=tf.constant(1)
mid_val =tf.add(a,b)
update_value =tf.compat.v1.assign(a,mid_val)
tg=initialize_all_variables()
with tf.compat.v1.Session() as sess:
sess.run(tg)
print(sess.run(a))
for i in range(3):
sess.run(update_value)
print(sess.run(a))
浏览 7提问于2022-01-02得票数 0
我在tensorflow的上一个项目是在2016年，从那时起，我就推出了热切的执行。在深入阅读之后，似乎可以使用它来代替使用会话对象的原始方法。
既然急切的执行给出了更好的反馈和更直接的方法来设计和调试神经网络，那么我们应该总是对新的项目使用急切的执行吗，还是说原来的会话方法有好处呢？
浏览 0提问于2018-10-23得票数 4
回答已采纳
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
即时通信 IM
实时音视频活动推荐
腾讯云开发者
