我有一个简单的模型，我已经训练过了，现在似乎工作得很好，我想使用tensorflow服务，为此我需要保存模型。 但是我没有看到一种用simple_save()指定对输入数据进行任何预处理的方法。 我的模型： model = keras.Sequential()
model.add(
keras.layers.Embedding(maxAlphabetDictValue + 1, 8, input_length=maxVariableLength))
model.add(keras.layers.CuDNNLSTM(12))
model.add(keras.layers.Dense(l
浏览 11提问于2019-02-08得票数 3
1回答
我正在从事一个项目，在这个项目中，我试图实施转移学习，对心电信号(一维)进行分类。我有一个精度相当高的预训练模型，但是模型是在一个不同的数据集上训练的，数据集的输入形状为(4096,12)和输出形状(6)。我想微调这个预先训练的模型，我的数据有一个输入形状(350,5)。为此，我在预先训练的模型输入之前添加了一些层，以获得形状(4096,12)，并添加了一个形状(5)的输出致密层。我的模型的代码如下：
from tensorflow.keras.layers import Dense,Input,Conv1D, BatchNormalization,
Activation,Flatten,R
浏览 9提问于2022-01-10得票数 0
我需要在Keras(keras.applications.VGG16)中使用一个经过预先训练的模型，作为从它的第一层创建另一个模型(用于进行转移学习)的基线。最终目标是冻结并导出模型，以便在带有AIY视觉工具包的raspberry pi上进行部署。
我尝试过以下常见的方法：
model_base = keras.applications.VGG16(input_tensor=inputs)
x = model_base.get_layer(backbone_layer).output
x = keras.layers.Flatten()(x)
x = keras.layers.Dense(1)
浏览 6提问于2020-08-01得票数 1
回答已采纳
1回答
我想要建立一个TensorFlow模型，给定特征x和标签y，比如y_i = ax_i^2+bx_i+c，可以合理地预测方程。
x = np.arange(-1000, 1000, 0.74)
y = 1.3*x**2 + 5.3*x + 4
下面是模型：
model = tf.keras.Sequential([
tf.keras.layers.Dense(64),
tf.keras.layers.Dense(16),
tf.keras.layers.Dense(1, activation="relu"),
])
model.compile(loss=
浏览 0提问于2023-03-24得票数 0
回答已采纳
在试图使用激活时，我遇到了问题。我最初的目标是在relu和leaky relu之间进行选择，所以我想出了以下代码：
def activation(x, activation_type):
if activation_type == 'leaky_relu':
return activations.relu(x, alpha=0.3)
else:
return activations.get(activation_type)(x)
# building the model
inputs = keras.Input(input_
浏览 1提问于2018-08-21得票数 0
回答已采纳
1回答
我想使用Tensorflow和Keras在预先训练好的模型中添加新的层。问题是，这些新的层不是要添加到模型的顶部，而是在开始时添加。我想创建一个三连体模型，它采用3种不同的输入和3种不同的输出，使用预先训练的网络作为模型的核心。为此，我需要在模型的开头插入3个新的输入层。 默认路径是仅链接层和模型，但此方法将预训练模型视为新层(当创建具有新输入和预训练模型的新模型时，新模型只有contains4层、3个输入层和整个预训练模型)： input_1 = tf.keras.layers.Input(shape = (224,224,3))
input_2 = tf.keras.layers.Inp
浏览 73提问于2019-06-25得票数 1
回答已采纳
警告:tensorflow:没有传递给第一层的input_shape的顺序模型不能重新加载它们的优化器状态。因此，您的模型是从刚初始化的优化器开始的。
在试图加载保存的模型时，我遇到了来自tensorflow的警告
import tensorflow.keras as keras
import tensorflow as tf
mnist = tf.keras.datasets.mnist
(x_train, y_train),(x_test, y_test) = mnist.load_data()
x_train = tf.keras.utils.normalize(x_train, ax
浏览 3提问于2019-05-13得票数 3
回答已采纳
1回答
我在Python中使用Keras训练了一个模型，我想在Java程序中使用这个经过训练的模型。我最初打算在Java中直接使用Keras模型，但似乎Keras 2.0还没有得到很好的支持。因此，我将我的Keras模型(存储在.h5中)转换为tensorflow模型(存储在.pb中)。现在，我想在我的Java代码中使用这个模型。但是，我需要三个字符串才能成功地做到这一点：
“标识要加载的特定图解的标签”
将数据输入网络的操作
获取网络结果的操作
我几乎不知道如何找到这些字符串。此时，我无法修改我的模型，特别是因为Tensorflow 2.0删除了get_session()，这意味
浏览 4提问于2019-12-10得票数 5
回答已采纳
1回答
嵌入模型内与模型外
、、、、
在模型内部使用嵌入层与在模型外部使用嵌入层有什么区别？我可以将嵌入层构建到模型中：
model = tf.keras.Sequential()
model.add(tf.keras.layers.Embedding(input_dim=1000, output_dim=64, input_length=10))
...
model.fit(features, target ...)
我还可以使用模型外部的embdedding生成嵌入式数据，然后将其输入到模型中：
embedding_encoder = tf.keras.layers.Embedding(input_dim=1000, outp
浏览 8提问于2022-09-06得票数 1
回答已采纳
是否可以在ResNet50中删除/替换预先训练过的tf.keras.applications模型的底层？
例如，我试过这样做：
import tensorflow as tf
pretrained_resnet = tf.keras.applications.ResNet50(include_top=False, weights='imagenet')
inputs = tf.keras.Input(shape=(256,256,1))
x = tf.keras.layers.ZeroPadding2D()(inputs)
x = tf.keras.layers.Conv2D(
浏览 2提问于2020-05-14得票数 3
回答已采纳
我使用的是Keras，实际上是tensorflow.keras，我想知道是否有可能创建内置的Keras层的可重用块。例如，我想在我的模型中的不同时间重复使用以下块。
conv1a = Conv3D(filters=32, strides=(1, 1, 1), kernel_size=(3, 3, 3), padding='same')(inputs)
bn1a = BatchNormalization()(conv1a)
relu1a = ReLU()(bn1a)
conv1b = Conv3D(filters=32, strides=(1, 1, 1), kernel_siz
浏览 0提问于2019-01-15得票数 5
回答已采纳
问题
请帮助理解以下问题的原因，以及如何建立一个Keras模型的微调之上，预先训练的模型从拥抱面。
目标
在Huggingface的DistilBERT基础上创建一个微调的自定义模型。
输入模型的形状
根据令牌器输出的形状，我假设它是(2, None, 256)，因为[input_ids, attention_mask]将进入模型。
标记器的输出。
from transformers import DistilBertTokenizerFast
tokenizer = DistilBertTokenizerFast.from_pretrained('distilbert-base-un
浏览 3提问于2021-07-03得票数 3
1回答
我试图在keras模型中使用tensorflow操作，我对其机制和Lambda层对tf张量的作用感到相当困惑。
所以这是可行的：
a = keras.layers.Input(shape=[1, 2], dtype='float', name='a')
s= keras.layers.Lambda(lambda x: tf.transpose(tf.transpose(x)))(a)
model = keras.models.Model(inputs=a, outputs=s)
但这是行不通的：
a = keras.layers.Input(shape=[1,
浏览 17提问于2017-12-18得票数 3
我正在尝试训练一个自动编码器，但在重塑我的X_train以使其适合我的模型模型()时遇到了问题。 from tensorflow import keras
from keras.layers import *
from keras.models import Model
from keras.models import Sequential
from keras.optimizers import Adam
from keras.optimizers import RMSprop
from keras.utils import plot_model
X_train = np.arra
浏览 19提问于2020-07-07得票数 0
回答已采纳
我正在尝试为Yelp二进制分类任务训练一个简单的模型。 Load BERT编码器： gs_folder_bert = "gs://cloud-tpu-checkpoints/bert/keras_bert/uncased_L-12_H-768_A-12"
bert_config_file = os.path.join(gs_folder_bert, "bert_config.json")
config_dict = json.loads(tf.io.gfile.GFile(bert_config_file).read())
bert_config = bert
浏览 40提问于2020-09-27得票数 1
2回答
我创建了顺序预处理层模型，如下所示：
import tensorflow.keras as keras
from keras.datasets import cifar10
from keras.models import Sequential
from keras.layers import Dropout, RandomRotation
from tensorflow.keras.utils import set_random_seed; set_random_seed(72)
import matplotlib.pyplot as plt
(ax, ay), (qx, qy) = ci
浏览 12提问于2022-06-02得票数 0
回答已采纳
2回答
调整模型以获得更好的性能
、、、、
我为回归问题建立了一个模型，即从9个输入变量中预测一个值。模型的开发是基于Keras库的人工神经网络
在这个使用编译和拟合方法的模型中，我已经预测了输出值。然而，我得到了不好的评价分数。我使用RMSE和R2对模型进行了评估
(已归一化)预测值与标记值之间的RMSE值为0.207，(原始形式)预测值与标记值之间的RMSE值为215，R2为0.40
如何修改我的模型以获得更好的结果(低RMSE和高R2)？或者这个模型可以接受吗？
import keras
model = keras.models.Sequential()
model.add(keras.layers.Dense(36, in
浏览 2提问于2020-05-20得票数 0
我试图在一个简单的双向lstm模型中使用描述的注意模型。但是，在添加注意模型之后，我得到了以下错误：
ValueError:未知初始化程序: GlorotUniform
首先，我的代码在某些部分使用TensorFlow和在代码的其他部分使用Keras方面没有任何不兼容性问题。我还尝试了用解决的每一个解决方案。然而，他们中没有一个为我工作。我必须指出，在添加注意模型之前，我的代码不存在任何问题。因此，我试着删除网络结构中每一行的注意部分，看看是哪一行导致了这个问题：
inputs = tf.keras.layers.Input(shape=(n_timesteps, n_features
浏览 2提问于2020-08-24得票数 1
回答已采纳
1回答
我目前正在尝试复制我在文献()中发现的1D-CNN方法，在该出版物中给出了以下基线模型结构：
。
出于测试目的，我也希望将该模型用于我的数据。然而，我很难理解关于Conv1D层的Keras文档。有人能帮助我理解如何解释图像(即25x1x3是什么意思)并将其转化为Keras模型吗？
我当前的模型代码如下(不确定这些代码是否正确)：
import keras
from keras.models import Sequential
from keras.layers import Dense, Conv1D
model = Sequential()
model.add(Conv1D(filter
浏览 25提问于2022-09-30得票数 1
Keras代码片段如下：
second_input = inputs_d['second_input']
selected = embedding_layer(second_input)
item_average = tf.reduce_mean(selected, axis=1, keepdims=True)
second_input_encoded = tf.keras.layers.Reshape((3,))(item_average)
如果我将second_input从from (5，)更改为from (1 )，并去掉reduce_mean，代码就会运行得很好。
错误消
浏览 1提问于2019-04-04得票数 0
回答已采纳
2回答
我正在尝试在keras中创建一个模型。我读了一篇论文，我想从这篇论文中创建一个模型。下面是我想要的：ArchitectureInPaper 我试着创建一个这样的模型，但我不知道如何在Keras中连接两个模型。以及如何在本文中创建这样的体系结构模型。 input1 = Input(shape=(96,96,3))
x1 = Conv2D(64,
(5,5),input_shape=input_shape,padding='same',activation='relu',strides=
(2,2))(input1)
x1 = MaxPooling2D(poo
浏览 29提问于2019-06-18得票数 0
1回答
我尝试使用Image Classification Tutorial，但不幸的是，在您创建模型后，它没有告诉您如何使用它。 我目前用来创建模型的代码是： model = Sequential([
tf.keras.layers.Conv2D(16, 3, padding='same', activation='relu', input_shape=(IMG_SIZE, IMG_SIZE ,3)),
tf.keras.layers.MaxPooling2D(),
tf.keras.layers.Dropout(0.1),
tf.k
浏览 7提问于2020-06-18得票数 0
回答已采纳
2回答
我正在keras中实现ApesNet。它有一个具有跳过连接的ApesBlock。如何将其添加到keras中的顺序模型中？ApesBlock有两个平行层，这两个层通过逐个元素的添加在末尾合并。
浏览 11提问于2017-02-22得票数 28
回答已采纳
设置随机种子
print(np.__version__) tf.random.set_seed(42)
使用顺序Api创建模型
模型= tf.keras.Sequential(tf.keras.layers.Dense(1))
编译模型
model.compile(loss=tf.keras.losses.mae，# mae是平均绝对误差优化器= tf.keras.optimizers.SGD()的缩写，# sgd是随机梯度下降metrics="mae“的缩写。
拟合模型
model.fit(X，y，epochs=5) //这里的错误
浏览 6提问于2022-03-30得票数 0
回答已采纳
1回答
TensorFlow模型语法
、、、、
我是神经网络和Tensorflow的新手
通常，当我们在TensorFlow中建立一个神经网络模型时，我们定义它的方式如下：
model = tf.keras.models.Sequential([
tf.keras.layers.Conv2D(32, (3,3), activation='relu', input_shape=(150, 150, 3)),
tf.keras.layers.MaxPooling2D(2, 2),
tf.keras.layers.Conv2D(64, (3,3), activation='relu'),
我
浏览 3提问于2020-08-16得票数 0
回答已采纳
1回答
我将训练我的模型量化意识。但是，当我使用它时，tensorflow_model_optimization不能量化tf.reshape函数，并抛出一个错误。
'2.4.0-dev20200903'python tensorflow版本: 3.6.9
守则：
import os
os.environ['CUDA_VISIBLE_DEVICES'] = '3'
from tensorflow.keras.applications import VGG16
import tensorflow_model_optimization as tfmot
imp
浏览 5提问于2020-09-04得票数 2
3回答
我在使用Keras后端函数来设置值时遇到了问题。我正在尝试将模型从PyTorch转换为Keras，并尝试设置Keras模型的权重，但似乎没有设置这些权重。注意:我实际上并不是在用np.ones进行设置，只是举个例子而已。
我试过了..。
加载现有模型
import keras
from keras.models import load_model, Model
model = load_model(model_dir+file_name)
keras_layer = [layer for layer in model.layers if layer.name=='conv2d_1
浏览 1提问于2017-11-08得票数 31
回答已采纳
总的来说，我对TF、Keras和ML非常陌生。我正在尝试实现一个非常简单的MLP，其输入形状为(batch_size,3,2)，输出形状为(batch_size,3)，也就是说(如果我做对了)：对于每一个3x2特性，都有一个对应的3值数组标签。
下面是我创建模型的方法：
model = tf.keras.Sequential([
tf.keras.layers.Dense(50,tf.keras.activations.relu,input_shape=((3,2)),
tf.keras.layers.Dense(3)
])
这些是X和y的形状：
X_train.shape,y
浏览 4提问于2021-06-08得票数 0
回答已采纳
我已经训练了一个模型，我想增加更多的单位，它的隐藏单位，并训练它为更多的时代。我正在实施一种建设性的学习算法。如何将神经元添加到现有的模型隐藏层？是否也有一种方法只训练增加的单位参数和其他参数被冻结？(用KERAS)
def create_first_sub_NN(X):
sub_input = tf.keras.Input(shape=(X.shape[1],))
h = Dense(1, activation="sigmoid",name="hidden")(sub_input)
h = tf.keras.Model(inputs=s
浏览 4提问于2021-01-30得票数 1
回答已采纳
1回答
我是一个python中级和Keras/NN初学者。我以前从教程中实现了Keras模型，并希望尝试从一篇研究论文中实现一个。与Keras模型相比，这个示意图意味着什么？
其中“输入交叉矩阵”是对每一对数字(1-45)一起出现的次数的增量计数，例如(1-2，1-3 )。( 1-45)。
“其他输入”是一个数字(1-45)出现的次数的增量计数。
输出是8宽阵列中存在或不存在一个数字(1-45)的非线性乙状结肠。
谢谢你的帮助。
浏览 4提问于2017-05-26得票数 2
回答已采纳
我正在努力理解为时间序列预测开发的模型。它使用一个Con1D层和两个LSTM层，然后是一个密集层。我的问题是，它是否应该在LSTM和更密集的层之间使用Flatten()？在我看来，输出应该只有一个值，它具有(None, 1)的形状，并且可以通过在Flatten()和密集层之间使用Flatten()来实现。如果没有Flatten()，输出形状将是(None, 30, 1)。或者，我可以从第二个LSTM层中删除return_sequences=True，我认为这与Flatten()具有相同的效果。哪一种方法更合适？它们会影响损失吗？这是模型。
model = tf.keras.models.Seq
浏览 2提问于2020-07-08得票数 1
回答已采纳
我用50训练了一个模型，现在我有了一个h5文件，当用静态图像测试它时，这个文件工作得很好。
我很想在iOS (和/或Android)应用程序中使用它，但我无法将它转换为例如coreml：
import coremltools
coreml_model = coremltools.converters.keras.convert(model) # => error occurs
coreml_model.save('my_model.mlmodel')
错误是
-----------------------------------------------------
浏览 0提问于2018-02-14得票数 0
我在Keras中建立了一个多输入模型，它采用图像shape=[N, 640, 480, 3]和数值数据shape=[N, 19]，并对12个类进行了预测。下面是定义代码部分的模型：
# # %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
# # MODEL === CNN
# # %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
#
base_model = keras.applications.ResNet50(
weights
浏览 1提问于2020-10-02得票数 1
1回答
我正在建立一个简单的模型，它预测输入中给定的两个值的和。我还将数组简化为形状(2 )，但模型仍然预测了两个值。在预测函数中，我得到的形状是(4,2)而不是(4,1)。为什么会发生这种事？
xs = np.array([[[[1.0],[2.0]]],[[[2.0],[6.0]]],[[[3.0], [4.0]]],[[[5.0], [6.0]]]],dtype=float)
ys = np.array([[3.0],[8.0],[7.0],[11.0]], dtype=float)
tf.random.set_seed(12)
model=tf.keras.Seq
浏览 3提问于2022-07-16得票数 0
1回答
有一些关于keras的问题。我只是试着构建模型，让它运行，然后调优。也就是说，我只使用了99张图片和99个标签。作为参考，我使用它来给我一个连续的输出，而不仅仅是一个类标签。下面是我使用的代码。首先，我有一个导入所有数据的脚本。99张图片和99个标签。
当我到达模型零件的拟合时，它抛出一个错误。"ValueError:检查模型目标时出错: cropping2d_1应为4维，但得到形状为(99，1)的数组“。
我读了一些关于类似错误的其他帖子，似乎这可能是我发送keras的数组的顺序。我尝试了一下，得到了以下结果。当前图像数组的形状为(99,160,320,3)。我尝试将keras中&#
浏览 0提问于2017-02-18得票数 1
3回答
为什么会有两层稠密层？
、、、、
我一直在使用以下模型进行图像分类。我想知道为什么在512之前有Dense3稠密层。我应该只使用Dense3吗？而不是丹尼斯512-丹尼斯3？
model = tf.keras.models.Sequential([
# Note the input shape is the desired size of the image 150x150 with 3 bytes color
# This is the first convolution
tf.keras.layers.Conv2D(64, (3,3), activation='relu', inpu
浏览 0提问于2020-08-05得票数 2
我试图使用tf.keras.layers.Lambda函数的输出作为tf.keras模型中的最后一个层，但是tf将lambda层的输出解释为一个张量(而不是层)对象。
错误是："ValueError:输出到模型的张量必须是TensorFlow Layer的输出(因此保存过去的层元数据)。
代码附在下面
from tensorflow.contrib.keras import layers, models
#lots of stuff up here, all working fine...
logits = layers.Dense(1, name=name+'fc'
浏览 0提问于2018-07-24得票数 1
我目前正在Tensorflow中设计一个NoisyNet，我需要为它定义一个定制层。在复制包含该自定义层的模型时，python会引发错误ValueError: Unknown layer: NoisyLayer。该层的实现由here提供。 目标是复制一个网络，创建它的第二个实例。为此，我使用命令net_copy = copy.deepcopy(net_original)，只要我不在要复制的模型中包含上面提到的定制层，该命令就有效。我看到有一种方法可以指定自定义属性(如自定义层)来保存和加载，但我找不到一个类似的命令来处理copy.deepcopy()，因为副本是通过import copy导入
浏览 30提问于2019-05-13得票数 1
回答已采纳
1回答
我正在尝试学习RNN模型。这是我构建的模型： N = 3 # number of samples
T = 10 # length of a single sample
D = 3 # number of features
K = 2 # number of output units
X = np.random.randn(N, T, D)
# Make an RNN
M = 5 # number of hidden units
i = tf.keras.layers.Input(shape=(T, D))
x = tf.keras.layers.SimpleRNN(M)(i)
x = t
浏览 17提问于2020-09-29得票数 0
回答已采纳
我是机器学习的新手，我有这个CNN模型来对7种乐器进行分类：{‘巴松管’：0，‘二胡’：1，‘长笛’：2，‘法国圆号’：3，‘吉他’：4，‘萨克斯’：5，‘小提琴’：6} 有1214张图片用于训练，1206张图片用于测试 这是我的模型： import tensorflow as tf
from tensorflow.keras.preprocessing.image import ImageDataGenerator
normalizedTrainingSet = ImageDataGenerator(rescale=1 / 255)
normalizedTestingSet = Ima
浏览 19提问于2020-12-13得票数 1
回答已采纳
我正在为我的网络建立一个新的渠道智能操作。全局平均池化结果将乘以(按元素)第一个x(输入)值。但是，当我运行train.py文件时，它会出现我无法理解的错误。请帮帮我！
错误消息：
Traceback (most recent call last):
File "E:/githubRemote/train.py", line 49, in <module>
model = init_model()
File "E:/githubRemote/train.py", line 37, in init_model
model = M
浏览 1提问于2019-04-02得票数 0
几天来，我一直在寻找这个问题的答案，但我在互联网上找不到任何具体适用于我得到的错误的答案：
ValueError: Error when checking target: expected dense_1 to have shape (1, 300) but got array with shape (1, 60)
下面是我使用的模型：
model = keras.Sequential([
keras.layers.Conv1D(5,input_shape=(1,60), kernel_size=12, padding='same'),
keras.layers.Conv1D
浏览 0提问于2018-12-07得票数 0
我只想从.h5文件中已经保存的模型中删除最后一个密集层，并添加一个新的密集层。
有关保存的模型的信息：
我在EfficientNet B0模型上使用了传输学习，并添加了一个2层密集的下拉列表。最后一个密集层有3个节点，等于我的类数，如下所示：
inputs = tf.keras.layers.Input(shape=(IMAGE_HEIGHT, IMAGE_WIDTH, 3))
x = img_augmentation(inputs)
model = tf.keras.applications.EfficientNetB0(include_top=False, input_tensor=x,
浏览 5提问于2022-03-04得票数 2
1回答
我使用了一个以VGGnet为基础的Keras模型进行图像分类。守则如下：
from keras import applications
from keras.callbacks import TensorBoard
from keras.preprocessing.image import ImageDataGenerator
from keras import optimizers
from keras.models import Sequential, Model
from keras.layers import Dropout, Flatten, Dense
from keras imp
浏览 0提问于2019-03-08得票数 1
回答已采纳
1回答
我有一个继承自tf.keras.Model的类
import tensorflow as tf
from tensorflow.keras.layers import Dense
class Actor(tf.keras.Model):
def __init__(self):
super().__init__()
self.linear1 = Dense(128, activation = 'relu')
self.linear2 = Dense(256, activation = 'relu')
浏览 6提问于2022-09-04得票数 1
回答已采纳
我训练了一个数字图像并制作了一个模型文件。
相应的调味汁如下。
import os
import tensorflow as tf
import numpy as np
import matplotlib.pyplot as plt
from tensorflow.keras.datasets import mnist
from tensorflow.keras.utils import to_categorical
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Dense
浏览 0提问于2021-02-23得票数 0
回答已采纳
当我使用QAT (量化感知训练)训练Keras模型时， 有一些不兼容的问题，如不支持BatchNormalization或UpSampling2D等。 如何在不使用每一层tfmot.quantization.keras.quantize_annotate_layer的情况下直接预防它？(尤其是使用tensorflow keras函数API (而不是tf.keras.Sequential)构建模型时)
浏览 22提问于2020-09-29得票数 0
所以我用ann_visualizer来用图形显示我的keras模型神经网络。该模型工作正常，但每当我试图通过ann_viz()可视化它时，它就会给出这个错误。
"ValueError: ANN可视化器:不支持可视化的层“
我在网上搜索，但找不到有效的解决办法。这是神经网络模型代码。
model = keras.Sequential()
model.add(keras.layers.Flatten(input_shape=(28,28)))
model.add(keras.layers.Dense(128,activation=keras.activations.relu))
model
浏览 2提问于2020-10-10得票数 1
回答已采纳
当我创建NLP模型时，我使用keras标记器来标记我的培训数据。所以训练数据中的每一个字都有一个与之相关的数字。现在我想在android应用程序中运行这个模型。所以我把模型转换成tflite格式。现在，在我的应用程序中，当用户给我一个文本输入时，我应该使用与我训练数据相同的标记将其转换为数字数组。我无法这样做，因为tflite只包含模型，而不包含令牌程序。怎么做？
浏览 3提问于2020-05-15得票数 2
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
实时音视频
即时通信 IM活动推荐
腾讯云开发者
