如何使用tensorflow tf.losses.softmax_cross_entropy？
使用TensorFlow的tf.losses.softmax_cross_entropy函数可以计算softmax交叉熵损失。该函数接受两个参数：logits和labels。
- logits表示预测的类别概率，它是一个形状为[batch_size, num_classes]的张量。batch_size表示训练样本的数量，num_classes表示类别的数量。
- labels是真实的类别标签，它是一个形状为[batch_size]的一维张量。labels中的每个元素是一个范围为[0, num_classes)的整数，表示样本的真实类别。
使用softmax_cross_entropy函数的步骤如下：
- 导入相关的库和模块：
import tensorflow as tf- 定义logits和labels张量：
logits = ... # 定义预测的类别概率
labels = ... # 定义真实的类别标签- 调用tf.losses.softmax_cross_entropy函数计算损失：
loss = tf.losses.softmax_cross_entropy(labels, logits)- 可选步骤：如果需要加入正则化项来控制模型的复杂度，可以使用tf.losses.get_regularization_loss函数获取正则化损失，并将其加到总损失上：
regularization_loss = tf.losses.get_regularization_loss()
total_loss = loss + regularization_loss请注意，这里只给出了使用tf.losses.softmax_cross_entropy函数的基本使用方法。在实际应用中，还需要根据具体情况调整参数，例如设置权重、调整参数正则化系数等。
推荐的腾讯云相关产品：腾讯云机器学习平台（https://cloud.tencent.com/product/tiia）
请注意，本回答没有提及任何特定品牌商，仅给出了TensorFlow中tf.losses.softmax_cross_entropy函数的使用方法和腾讯云的相关产品链接。
相关·内容
是否可以在label_smoothing中使用来自tf.losses.softmax_cross_entropy的tf.contrib.seq2seq.sequence_loss特性？
我可以看到，sequence_loss可以选择以一个softmax_loss_function作为参数。然而，这个函数将把targets作为in的列表，而不是tf.losses.softmax_cross_entropy所要求的一个热编码向量，这也是TensorFlow中唯一支持label_smoothing的函数。
您能推荐一种使label_smoothing与sequence_loss协同工作的方法吗？
浏览 1提问于2018-03-06得票数 2
回答已采纳
2回答
如何在多类图像分类中获得权值图
、、、、
我正在使用keras和TensorFlow进行多类图像分割。我训练的网络给了我很好的预测，但无法分离接触的对象，这就是为什么我想使用具有"weights"参数的softmax_cross_entropy损失函数。
知道我的y_true形状是(batch-size,128,128,3)，我如何计算这些权重？
tf.losses.softmax_cross_entropy(y_true,y_pred,weights=my_weights)
浏览 0提问于2019-04-18得票数 2
我正在做一些语义分割问题，需要定义损失函数。 有人知道如何使用tensorflow "tf.losses.softmax_cross_entropy“吗？ 文档中说，函数的第一个输入是onehot_labels，那么我们是否需要先将像素类标签转换为一个热编码格式，并将一个热编码输入到该函数中？ 或者我们可以在这篇文章sigmoid_cross_entropy loss function from tensorflow for image segmentation中直接输入像tf.losses.sigmoid_cross_entropy这样的像素类标签 非常感谢!
浏览 69提问于2019-06-18得票数 0
我正在使用tensorflow用LSTM构建一个seq2seq模型。我使用的损失函数是softmax交叉熵损失。问题是我的输入序列有不同的长度，所以我填充它。模型的输出具有形状[max_length, batch_size, vocab_size]。如何计算0填充值不影响损失的损失？tf.nn.softmax_cross_entropy_with_logits提供轴向参数，可以用三维方法计算损耗，但不提供权值。tf.losses.softmax_cross_entropy提供权重参数，但是它接收到形状[batch_size, nclass(vocab_size)]的输入。请帮帮我！
浏览 3提问于2017-12-29得票数 3
回答已采纳
我正在尝试将Tensorflow 1.x中编写的代码更新为Tensorflow 2.1.0中的代码。我一直在使用Tensorflow 2.1.0文档转换代码，在此代码发布之前，我没有遇到任何问题。
loss = tf.losses.softmax_cross_entropy(one_hot_labels, logits)
上面的代码是Tensorflow 1.x版本，我认为，根据Tensorflow 2.1.0文档，正确更新的代码是
loss = tf.nn.softmax_cross_entropy_with_logits(one_hot_labels, logits)
然后，当我运行
re
浏览 16提问于2020-05-13得票数 1
回答已采纳
我正在尝试使用tensorflow实现批处理规范化，并找到了这个。这两个函数似乎采用了相似的参数，但似乎人们更多地使用后者。
它们可以互换使用吗？如果不是，有何不同？(为什么tensorflow中有这么多类似的API？另一个例子是tf.nn.softmax_cross_entropy_with_logits和tf.losses.softmax_cross_entropy。我尝试了这两种方法，它们似乎都工作得很好，但我觉得我可能遗漏了一些微妙的东西，这可能会彻底改变我的训练结果。
浏览 3提问于2017-08-01得票数 0
如何动态地从任务列表(self.prediction)创建丢失列表，而不必创建变量：
电流：
loss0 = tf.losses.softmax_cross_entropy( logits = self.prediction[0], onehot_labels = self.Y[0] ) # task 0
loss1 = tf.losses.softmax_cross_entropy( logits = self.prediction[1], onehot_labels = self.Y[1] ) # task 1
loss2 = tf.losses.softmax_cross_entropy
浏览 0提问于2018-10-23得票数 0
3回答
分类问题，如logistic回归或多项式logistic回归，优化了一个交叉熵损失.通常情况下，交叉熵层遵循软最大层，产生概率分布.
在tensorflow中，至少有一打不同的交叉熵损失函数()。
tf.losses.softmax_cross_entropy
tf.losses.sparse_softmax_cross_entropy
tf.losses.sigmoid_cross_entropy
tf.contrib.losses.softmax_cross_entropy
tf.contrib.losses.sigmoid_cross_entropy
tf.nn.
浏览 19提问于2017-10-31得票数 99
回答已采纳
我使用TensorFlow 1.12和Keras进行语义分段。我使用tf.keras.Model.fit()参数向class_weight提供权重向量(大小等于类数)。我在想这在内部是如何运作的。我使用了一个自定义的损失函数(骰子丢失和焦点丢失等)，在输入丢失函数之前，权重不能与预测或单一热点事实相乘，因为这没有任何意义。我的损失函数输出一个标量值，因此它也不能与函数输出相乘。那么，在哪里以及如何将类的权重考虑在内？
我的自定义丢失功能是：
def cross_entropy_loss(onehots_true, logits): # Inputs are [BATCH_SIZE, heigh
浏览 0提问于2019-09-14得票数 8
回答已采纳
我在tensorflow中做一个神经网络，我用softmax_cross_entropy来计算损失，我正在做测试，并注意到它永远不会给出一个零的值，即使我比较相同的值，这也是我的代码
labels=[1,0,1,1]
with tf.Session() as sess:
onehot_labels=tf.one_hot(indices=labels,depth=2)
logits=[[0.,1.],[1.,0.],[0.,1.],[0.,1.]]
print(sess.run(onehot_labels))
loss=tf.losses.softmax_cr
浏览 1提问于2018-10-20得票数 0
回答已采纳
1回答
我试着用tf.contrib.estimator构造tensorflow神经网络
logits = tf.reduce_mean(conv2, axis=[1, 2])
y = tf.argmax(logits, axis=1),
# If prediction mode, early return
if mode == tf.estimator.ModeKeys.PREDICT:
return tf.estimator.EstimatorSpec(mode, predictions=y)
loss_op = tf.losses.softm
浏览 1提问于2017-11-13得票数 1
回答已采纳
我在Tensorflow中实现了一个CNN，改编自教程：CNN with Estimators。 摘自data_input_fn： dataset = dataset.batch(batch_size)
iterator = dataset.make_one_shot_iterator()
features, labels = iterator.get_next()
return features, labels 摘自model_fn： loss = tf.losses.softmax_cross_entropy(onehot_labels=labels, logits=logits)
浏览 16提问于2019-03-12得票数 0
1回答
当使用tf.losses.softmax_cross_entropy时，我有一个AttributeError: module module没有属性'softmax_cross_entropy‘错误。有人能帮帮我吗？
浏览 148提问于2020-03-13得票数 1
我使用TensorFlow dataset API和交换机制在培训和测试集之间切换。
dataset_iter = tf.data.Iterator.from_structure(train_dataset.output_types, train_dataset.output_shapes)
features, labels = dataset_iter.get_next()
train_init_op = dataset_iter.make_initializer(train_dataset)
test_init_op = dataset_iter.make_initializer(te
浏览 0提问于2018-12-18得票数 0
tf.nn.softmax_cross_entropy_with_logits和tf.losses.softmax_cross_entropy有什么区别，什么时候使用哪个函数？？
浏览 10提问于2019-03-12得票数 0
1回答
我尝试用tensorflow构建我的第一个简单神经网络，上面可以看到我的代码。我的代码可以计算损失，但是当我尝试添加train_step时，我得到了错误消息InvalidArgumentError (see above for traceback): Matrix size-incompatible: In[0]: [2,2], In[1]: [1024,1]，它告诉我矩阵的尺寸不兼容，但我不理解尺寸。在我看来，它们一定是1和1...
input=[[1,2,3,4,5],[6,7,8,9,10]]
labels=[1,1]
x = tf.placeholder(tf.float32, [N
浏览 5提问于2018-08-17得票数 0
回答已采纳
我已经完成了DQN的设置和工作，但是我不知道如何在不离开Tensorflow会话的情况下显示损失。 我最初认为它涉及到创建一个新的函数或类，但我不确定将其放在代码中的什么位置，以及具体要放入函数或类中的内容。 observations = tf.placeholder(tf.float32, shape=[None, num_stops], name='observations')
actions = tf.placeholder(tf.int32,shape=[None], name='actions')
rewards = tf.placeholder(t
浏览 19提问于2019-03-25得票数 0
回答已采纳
我正在尝试使用tf.contrib.learn.estimator的Estimator API来构建、拟合和评估CNN图像分类器。我下面的代码是基于教程中的abalone.py。此外，我从导入代码以提供模型和输入提要。代码如下：
import tensorflow as tf
import cifar10
def model_fn(features, targets, mode, params):
# Generate predictions from cifar10 network
logits = cifar10.inference(features)
prediction_dict =
浏览 0提问于2017-03-10得票数 0
1回答
这个问题来自于在TensorFlow上观看以下视频和从Google /O 18中强化学习：
在这里，他们训练一个非常简单的RL算法来玩Pong游戏。
在他们使用的幻灯片中，损失的定义如下(约@11m25s )：
loss = -R(sampled_actions * log(action_probabilities))
此外，它们还显示了以下代码(约@20m26s)：
# loss
cross_entropies = tf.losses.softmax_cross_entropy(
onehot_labels=tf.one_hot(actions, 3), logits=Ylogits
浏览 2提问于2018-12-04得票数 4
回答已采纳
有一些问题，从Keras (keras_model_fn)转换为TF model_fn，以便在Sagemaker中使用。
模特们的样子如下：
Keras
def keras_model_fn(hyperparameters):
model = tf.keras.Sequential()
# increase input_dim (cur 2500) as amount of words go up
model.add(tf.keras.layers.InputLayer(input_shape=[8], name='main_input'))
m
浏览 0提问于2018-05-13得票数 3
回答已采纳
我正在为tf上的语义切分训练一个移动网络。目标有两个类:前台(1)或背景(0)。这是一个两类分类问题。我选择softmax交叉熵作为损失，使用python代码如下：
tf.losses.softmax_cross_entropy(self.targets, logits)
目标和日志的大小为[batch_size, 224, 224, 2]。然而，损失在100批之后变得很大，曲线是这样的：
从tf的api docus中，我知道tf.losses.softmax_cross_entropy有batch_size，num_classes目标一个热编码标签，这与我的标签大小为[batch_
浏览 0提问于2018-01-18得票数 1
回答已采纳
我是新来的Tensorflow，以前广泛使用的科学工具包-学习。作为我第一次尝试向TensorFlow过渡的练习之一，我正在尝试复制我在scikit-learn的MLPClassifier中获得的一些结果。
当我使用大多数默认设置的MLPClassifier时，我在测试集上的准确率可达98%。然而，当我在TensorFlow中实现我认为是等价的单层神经网络时，在测试集上的准确率不到90%。获得TensorFlow以获得类似精度的唯一方法是多次(> 50)次在训练集上进行训练。
知道这种差异可能是从哪里来的吗？或者，在Tensorflow中是否有任何可以与我的代码进行比较的sklearn的
浏览 0提问于2017-11-04得票数 5
我有一个叫做neural.py的模块
我初始化身体中的变量。
import tensorflow as tf
tf_x = tf.placeholder(tf.float32, [None, length])
tf_y = tf.placeholder(tf.float32, [None, num_classes])
...
经过培训后，我将检查点保存在函数train()中：
def train():
...
pred = tf.layers.dense(dropout, num_classes, tf.identity)
...
cross_entropy
浏览 4提问于2017-11-07得票数 1
回答已采纳
1回答
我想自己在中为MNIST构建一个TensorFlow。但是，我很难找到如何设置发电机的损失函数。在一个中，作者使用了一个小的“解决办法”来解决这个问题:他只构建了3个模型。发电机(G)，鉴别器( D )和第三种，他只是把G和D结合在一起，同时把D的训练能力设置为假的。
这样，由于D的损失在G +D组合模型中是不可训练的，所以他可以用真实的图像+生成的图像来训练D并训练G+D组合模型。
在TensorFlow中，我已经构建了G和D。培训D相对简单，因为我只需要将一批真实的MNIST培训映像与生成的图像组合起来，并调用培训操作：
session.run(D_train_op,
浏览 4提问于2017-04-25得票数 1
回答已采纳
我正在尝试使用tensorflow 1.13.1用python编写CNN。由于某些原因，即使在将我的模型简化为只有一个仿射层之后，我也会得到一个尺寸错误。相关代码如下： tf.reset_default_graph()
X = tf.placeholder(tf.float32, [None, X_SHAPE[1], X_SHAPE[2], 1]) # X_SHAPE is the shape of the input image types I am workig with
y = tf.placeholder(tf.int64, [None])
is_training = tf.plac
浏览 12提问于2019-05-20得票数 0
我正在尝试将我的tf1代码迁移到tf2中。
为此，我按如下方式更改了以下函数：
tf.losses.softmax_cross_entropy() into tf.compat.v1.losses.softmax_cross_entropy() tf.train.MomentumOptimizer()intotf.compat.v1.train.MomentumOptimizer() tf.train.get_or_create_global_step() into tf.compat.v1.train.get_or_create_global_step()
但是，我想不使用tf.compat
浏览 16提问于2020-05-06得票数 1
回答已采纳
当我在GPU设备上运行以下代码时： import numpy as np
import tensorflow as tf
with tf.device('gpu'):
logits_ph = tf.placeholder(tf.float32, [None, 2], name="logits")
labels_ph = tf.placeholder(tf.float32, [None, 2], name="labels")
w_ph = tf.placeholder(tf.int32, [None], name=
浏览 8提问于2019-05-04得票数 1
回答已采纳
我正在构建一个具有45个特性的数据集，所有这些特性都是数值化的，因此值在-1和1之间。
以下是正常化：
def normalize(train, test, cv):
normalized_train=(train-train.mean())/train.std()
normalized_test=(test-test.mean())/test.std()
normalized_cv=(cv-cv.mean())/cv.std()
return normalized_train, normalized_test, normalized_cv
X_train, X
浏览 2提问于2018-02-18得票数 0
在这里，官方的TF文件说，
为了使学习过程具有可控性，通常的做法是创建一个‘展开’版本的网络，其中包含固定数量(num_steps)的LSTM输入和输出。
以及该文件所涉及的问题；
words = tf.placeholder(tf.int32, [batch_size, num_steps])
lstm = tf.contrib.rnn.BasicLSTMCell(lstm_size)
initial_state = state = tf.zeros([batch_size, lstm.state_size])
for i in range(num_steps):
outp
浏览 3提问于2017-10-08得票数 2
回答已采纳
2回答
我正在尝试提取预测，使用预测来计算准确率/精确度/召回率/F1和预测概率。我知道我有10个输出类，因此我不能计算每个see的精度，但我将在其他模型中计算所有这些，而且我希望能够提取预测概率。我的模型如下。我已经检查了GitHub和StackOverflow，但是我还没有找到提取这些属性的方法。大多数答案都很接近，但从来没有回答我所需要的。我在那里使用了一些较低的纪元数，以便快速检出模型，并使输出屏幕不那么拥挤。
import tensorflow as tf
from tensorflow.contrib.layers import fully_connected
from sklearn.
浏览 1提问于2018-05-26得票数 1
2回答
因此，我试图用TensorFlow编写一个简单的softmax分类器。
以下是代码：
# Neural network parameters
n_hidden_units = 500
n_classes = 10
# training set placeholders
input_X = tf.placeholder(dtype='float32',shape=(None,X_train.shape[1], X_train.shape[2]),name="input_X")
input_y = tf.placeholder(dtype='int32&#
浏览 0提问于2018-06-18得票数 0
回答已采纳
我目前正在尝试训练一个模型(超级网络)，它可以预测另一个模型(主网络)的权重，这样主网络的交叉熵损失就会减少。然而，当我使用tf.assign为网络分配新的权重时，它不允许反向传播到超网，从而使系统不可微。我已经测试了我的权重是否被正确地更新了，从更新的权重中减去初始权重是一个非零和时，它们似乎是正确的。
这是我试图达到的最低限度的样本。
import numpy as np
import tensorflow as tf
from tensorflow.contrib.layers import softmax
def random_addition(variables):
ad
浏览 4提问于2018-05-24得票数 0
回答已采纳
1回答
我正在使用来自的FGSM方法实现对抗性培训，使用自定义的损失函数：
它在tf.keras中使用自定义丢失函数实现，在概念上如下所示：
model = Sequential([
...
])
def loss(labels, logits):
# Compute the cross-entropy on the legitimate examples
cross_ent = tf.losses.softmax_cross_entropy(labels, logits)
# Compute the adversarial examples
gr
浏览 1提问于2018-11-20得票数 2
回答已采纳
我试图使用Estimator-based Tensorflow模型实现TPUEstimator API，但没有成功。它在训练中遇到了一个错误：
InvalidArgumentError (see above for traceback): No OpKernel was registered to support Op 'CrossReplicaSum' with these attrs. Registered devices: [CPU], Registered kernels: <no registered kernels>
[[Node: CrossRepl
浏览 1提问于2018-07-17得票数 6
2回答
我想使用Tensorflow高级apis，以分布式的方式在MNIST上训练卷积神经网络。我试图指定集群配置，并将其传递给Estimator (下面的代码)。
我将获得以下错误参数到MergeFrom()必须是同一个类的实例:预期的tensorflow.ConfigProto got属性
有人知道我是如何指定配置的吗？
from __future__ import absolute_import
from __future__ import division
from __future__ import print_function
import grpc
import numpy as n
浏览 1提问于2017-03-23得票数 0
我正在尝试使用我自己的数据集和类，在imagenet上进行预先培训的Inception-resnet v2模型的传输学习。我最初的代码库是对一个tf.slim示例的修改，我再也找不到了，现在我正在尝试使用tf.estimator.*框架重写相同的代码。
但是，我遇到的问题是只从预先训练的检查点加载一些权重，使用默认的初始化器初始化剩余的层。
通过研究这个问题，我发现了和，它们都提到了在中使用tf.train.init_from_checkpoint的必要性。我试过了，但考虑到这两方面都缺乏例子，我想我出了点问题。
这是我最起码的例子：
import sys
import os
os.envir
浏览 0提问于2017-12-18得票数 17
回答已采纳
我之前在Theano上使用了keras，现在我想用tensorflow风格来编写代码，这对我来说是新的。我试着写了一个非常简单的模型(我在keras上实现了它，它起作用了)，但训练过程似乎不起作用。无论我经历了多少次，模型总是做出相同的预测，这表明模型在训练过程中根本没有更新。我想我一定是误解了什么，犯了一个愚蠢的错误，但是找不到它在哪里。
我确信输入的数据和标签是正确的，因为我以前用过它们。输入数据training_input和training_input1分别是二维numpy数组。标签是一热式的，有4个维度。
def model_1(features, labels):
hl_in
浏览 0提问于2017-06-30得票数 1
我正在尝试创建一个策略网络代理，用于使用tensorflow.js和node来玩Toe。
当我在游戏结束时运行我的训练步骤，我得到以下信息
Error: Cannot find a connection between any variable and the result of the loss function y=f(x). Please make sure the operations that use variables are inside the function f passed to minimize().
class NNModel {
constructor(lear
浏览 0提问于2019-03-31得票数 0
回答已采纳
我正在尝试使用Tensorflow对tf.contrib.layers包进行一些分类，但我遇到了一个我不太清楚的问题。据我所知(例如和it's API )，图形的一切都是由来处理的。我可以在我的环境中很好地下载和运行相同的代码。
然而，当我运行我的代码时，我得到一个错误，我的全局步骤与我的损失不是来自同一个图，这看起来很奇怪：ValueError: Tensor("global_step:0", shape=(), dtype=int64_ref) must be from the same graph as Tensor("softmax_cross_entr
浏览 1提问于2017-08-14得票数 2
回答已采纳
目前正在使用Tensorflow 1，并注意到tensorflow.contrib已在Tensorflow 2中删除。如何将Tensorflow转换为在Tensorflow 2上工作？
浏览 90提问于2019-10-17得票数 0
我已经安装了conda版本4.8.3，并且我正在尝试安装tensorflow 2.1，但是像这样的命令
conda isntall tensorflow
或
conda install -c anaconda tensorflow
无论如何，最终都会安装tensorflow 1.14。
有什么建议吗?如何安装tensorflow 2？
谢谢。
浏览 0提问于2020-04-28得票数 3
如何在Python3.7上安装TensorFlow
试着：
D:\Users\Downloads>pip install tensorflow
ERROR: Could not find a version that satisfies the requirement tensorflow (from versions: none)
ERROR: No matching distribution found for tensorflow
Windows 10操作系统
还有通风口的错误
(venv) C:\Users\KvaksManYT>pip install --upgrade
浏览 17提问于2020-03-21得票数 1
回答已采纳
我一直在尝试设计一个包装器来使用自定义数据集的预制tensorflow超薄模型。数据集是1000张正方形和三角形的图像，灰度为32x32。它们被组织为数据集/形状/三角形/和数据集/形状/正方形/。
使用以下代码，我能够正确地训练inception_v2模型。稍后将用正确的变量参数替换tf.reshape。.tfrecords文件是使用来自谷歌的脚本创建的，该脚本从上述数据集结构创建记录。
graph = tf.Graph()
sess = tf.InteractiveSession(graph=graph)
with graph.as_default():
name_dict, n
浏览 0提问于2017-07-20得票数 1
我已经为MNIST数字recognition...now训练了cnn模型，我想提供我自己的输入到我的模型，并期待正确的输出与标签名称…我不知道如何提供输入到我的训练模型可以请任何人帮助me....here是我的完整代码......
from __future__ import absolute_import
from __future__ import division
from __future__ import print_function
import numpy as np
import tensorflow as tf
from tensorflow.contrib import
浏览 0提问于2017-06-06得票数 0
我在卸载TensorFlow时遇到问题。
我有一个使用TensorFlow的Python脚本。我希望它使用TensorFlow 1.15，但它目前使用的是TensorFlow 2.1.0。我通过我的命令：pip uninstall tensorflow和pip uninstall tensorflow-gpu删除了TensorFlow。当我再次运行这些命令时，它提示没有安装TensorFlow。但是，我可以看到我的脚本显示它使用的是TensorFlow 2.1.0 (我在脚本中添加了行：print(tf.__version__))。谁知道这个TensorFlow 2.1.0的安装位置，以及如何
浏览 1提问于2020-01-20得票数 0
我在Windows10上使用TensorFlow 1.2.1，并使用Estimator API。一切运行都没有任何错误，但是每当我必须从检查点恢复参数时，它的某些方面就不起作用了。我检查了classifier.get_variable_names()中每个变量的值在求值后都没有改变，但是损失又回到了接近它开始的地方，接下来是持续的学习，每次学习的速度都比上次快。
这发生在一次TensorFlow运行中，当验证或评估运行发生时，或者当我重新运行python文件以继续训练时。
下图是这个问题的一个例子，它们每2500步恢复一次变量：
下面的代码是我的代码的一个显著的精简版本，它仍然复制了这个错
浏览 4提问于2017-08-11得票数 1
回答已采纳
我一直在跟踪评估，并希望将其调整为使用自己的数据集。使用初始模型，我使用build_image_data.py将图像转换为张量，并加载它们。然后，我尝试使用它们作为模型的输入，但是执行一直到model.fit()函数为止。在那之后，没有CPU的使用，也没有输出。
以下是相关代码：
from __future__ import absolute_import
from __future__ import division
from __future__ import print_function
import numpy as np
import tensorflow as tf
from
浏览 3提问于2017-06-19得票数 0
回答已采纳
1回答
我对深造的世界和坦索弗洛都很陌生。现在对我来说太复杂了。
我正在学习TF层API的教程，我用一个热编码解决了这个问题。这是我的密码
import pandas as pd
from sklearn.datasets import load_wine
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import MinMaxScaler
wine_data = load_wine()
feat_data = wine_data['data']
labels = win
浏览 0提问于2018-03-17得票数 1
我正在尝试在tensorflow中使用lstm，但我到了这个地步，我无法建立一个简单的imdb情感模型来收敛。
我采用了一个keras模型，并试图在tensorflow中复制完全相同的模型，在tensorflow中，它训练和收敛，但是在tensorflow，它只是停留在某个点(损失0.69)。
我试着使它们尽可能平等，唯一的区别是，在角，填充是在序列之前，而在tensorflow，我使用'post‘填充，因为在tensorflow的约定。
你知道我的tensorflow模型有什么问题吗？
from __future__ import print_function
import ran
浏览 4提问于2017-05-28得票数 7
我是tensorflow和unix/linux使用的新手。所以我的问题可能太简单了。
我已经成功地从Anaconda/Jupyter notebook运行了.ipynb文件。然而，在我使用pip安装了tensorflow之后，当我尝试导入tensorflow时，我得到了一个错误。
ImportError: No module named 'tensorflow'
另外，我还使用docker下载了tensorflow镜像，我可以从docker容器中运行它。然而，我不知道如何执行.ipynb文件(也不知道如何使用tensorflow将其添加到我的docker容器中)
浏览 3提问于2016-03-17得票数 1
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
