有没有一种方法可以将options和run_metadata传递给tf.Session().run()，同时仍然使用Keras.Model.fit()
我看到的使用这些运行选项的唯一方法是通过自己实现训练循环来从Keras控制TF会话。
浏览 4提问于2017-08-16得票数 1
回答已采纳
我正在使用CNN构建我的tf.keras模型，并使用tf.Dataset API为我的模型创建一个输入管道。= image.make_one_shot_iterator()
这两个选项都可以很好地工作，因为这里名为image() as sess: s
浏览 2提问于2018-10-08得票数 4
2回答
我正在使用验证数据进行超参数优化，并试图使用类权重。对于model.fit()，有一个将类权重(参数为class_weight)传递给测试数据函数的选项，但我想对验证数据也这样做。另一位用户不久前也有同样的问题，但没有给出令人满意的答案：当将验证数据作为参数传递给model.fit()时，验证数据可以采用元组的形式：(x_val、y_val、val_sample_w
浏览 0提问于2019-05-31得票数 4
经过几次测试，看起来在不同的时期之间和在训练不同的模型时，keras所需的内存都会增加。随着小批处理规模的增加，问题变得更加严重，1~5的小批处理至少给了我足够的时间来看到内存使用量在最初的几次调整中快速上升，然后缓慢而稳定地随着时间的推移而增加。我在CPU上运行Keras2.2.4、tensorflow 1.12.0、Python3.7.0。我为每个基因运行的代码以及用于度量内存使用情况的回调：import keras as K
cl
浏览 1提问于2018-12-08得票数 12
回答已采纳
2回答
我试图将input_image (它是numpy array.Following的张量)--已经回答的问题和其他几个建议在此转换中使用input_image.eval()或等效sess.run()的问题--进行转换，但是它引发了一个错误，显然期望sess.run()有一个feed_dict值。此外，为了检查，我还尝试使用相同的方法转换一个tf.constant(1,2,3)值，尽管它的数据类型与input_image相同，但还是成功地编译了它。)
print(type(tf.constant([1
浏览 2提问于2019-11-24得票数 1
回答已采纳
使用tf.keras.Input提供占位符，使用tf.keras.layers.Dense提供张量。所以我想用tensorflow低级API来测试等价性，然后使用keras高级API来训练我的模型。model.compile(loss='mean_squared_error', optimizer='sgd') # sgd stands for stochastic gradient descent
model.fit(x_tra
浏览 0提问于2019-08-20得票数 2
回答已采纳
我想要的是：
我遵循的指示，以便能够在google笔记本中使用拉伸板。这是用于生成张量板的代码： optimizer=opt,)
history = model.fit
浏览 1提问于2020-01-04得票数 0
我试图通过将预先训练好的集成到keras层中来使用它。def compute_output_shape(self, input_shape):当我运行代码时，如果我禁用了急切执行，我必须在tensorflow会话中包围model.fit函数，并使用sess.run(global_variables_initializer())初始化变量，以避免下一个错误：我的解决方案是：
w
浏览 0提问于2019-08-01得票数 1
2回答
运行神经网络需要更长的时间
、、、、
我正在运行一系列神经网络(使用Tensorflow后端的Keras库)，在Jupyter Notebook中训练每个神经网络所花费的时间，我有以下结果：造成这种情况的可能原因是什么?可以实施哪些解决方案？
。
浏览 16提问于2018-03-05得票数 0
当使用Tensorflow时，在对模型进行拟合之后，在第一个时期它显示未知(1/未知)，但是当只使用keras时，它工作得很好。有什么问题吗?还是我做错了什么？Tensorflow代码：-from keras.preprocessing.image import ImageDataGeneratorcnn.add(tf.keras.layers.MaxPool2D(pool_s
浏览 0提问于2020-07-23得票数 1
回答已采纳
我有一个有20个核心的CPU，我正在尝试使用所有的核心来适应一个模型。我用intra_op_parallelism_threads=20设置了一个tf会话，并在同一个tf会话中调用了model.fit。from keras.backend import tensorflow_backend as K
浏览 0提问于2018-09-05得票数 5
sess = tf.Session()
K.set_session(sess)
然后我就训练模特：
train_step.run当可训练标志设置为True时，一切正常。然后，当我将它设置为False时，它不会冻
浏览 1提问于2017-05-16得票数 1
回答已采纳
3回答
softmax')model.compile(SGD(lr=.1), loss='binary_crossentropy', metrics=['accuracy'])
model.fit
浏览 3提问于2018-11-26得票数 5
我必须创建一个自定义的datagenerator，因为imagedatagenerator在使用y keras.utils.Sequence 作为输入时不支持参数。import Sequentialfrom tensorflow.keras.layersimport ImageDataGeneratorfrom <
浏览 5提问于2021-07-31得票数 1
回答已采纳
作为TF的新手，我对BatchDataset在训练模型时的用法感到有点困惑。 让我们以MNIST为例。在这个分类任务中，我们可以加载数据并提供x的ndarray。='adam', metrics=['accuracy'])
1875/1875 [==============================] - 2s
浏览 85提问于2021-02-17得票数 3
回答已采纳
我有一个Django项目，在这个项目中，我使用了来自sequence_classifiers的sequence_classifiers，这是一个Keras模型。clf = CNNSequenceClassifier(epochs=2)global clf
clf = pickle.load有时我需要同时使用两者。但是由于probject使用的是Tensorflow后端，因此只定义了一个会话，并且<
浏览 3提问于2019-09-09得票数 3
回答已采纳
我试图使用中描述的方法复制一张快速格式的转移纸(见上图)
我发现我对损失类tf.keras.losses.Lossgenerated_batch_BGR_centered = tf.keras.applications.vgg19.preprocess_input(gen
浏览 5提问于2020-02-20得票数 1
1回答
我想使用keras+tensorboard。我的架构看起来像这样：sess = tf.Sessionaugmented_validation_data, augmented_validation_label] ,epochs=20, batch_size=32, callbac
浏览 1提问于2018-04-21得票数 6
我有一个Keras预训练模型"model_keras“，我想在损失函数中使用它。模型"model_keras“的输入是另一个Tensorflow模型"model_tf”(生成式模型)的输出。, var_list=model_tf.var_list()) sess.run(tf.global_variables_initializer(我也尝试使用model.predict(输入)，但得
浏览 30提问于2020-10-20得票数 1
2回答
用2.0获取梯度
、、、、
但是，由于session run语句不再是一件事了，而且tf.keras.callbacks.TensorBoard的tf.keras.callbacks.TensorBoard参数是缩减的，我想知道如何在使用Keras或tensorflow 2.0进行培训时跟踪渐变。(histogram_freq=1, write_grads=True)
model.fit(x_train, y_t
浏览 1提问于2019-09-02得票数 14
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
云直播
对象存储
腾讯会议活动推荐
腾讯云开发者
