Tensorflow 2.0 Keras模型子类化
TensorFlow 2.0是一个开源的机器学习框架，而Keras是一个高级神经网络API，可以在TensorFlow中使用。在TensorFlow 2.0中，Keras已经成为官方的高级API，提供了更加简洁易用的接口来构建和训练深度学习模型。
模型子类化是Keras中一种创建自定义模型的方法。通过子类化tf.keras.Model类，可以定义一个包含层的模型，并实现自定义的前向传播逻辑。这种方法相比使用函数式API或序列式API更加灵活，可以实现更复杂的模型结构和自定义的训练过程。
优势：
- 灵活性：通过模型子类化，可以自由定义模型的结构和逻辑，可以实现更加复杂的模型结构和自定义的训练过程。
- 可扩展性：可以方便地添加自定义的层和功能，满足特定的需求。
- 可读性：通过面向对象的方式定义模型，代码结构清晰，易于理解和维护。
应用场景：
- 自然语言处理（NLP）：可以使用模型子类化来构建自定义的文本分类、情感分析等模型。
- 计算机视觉（CV）：可以使用模型子类化来构建自定义的图像分类、目标检测等模型。
- 推荐系统：可以使用模型子类化来构建自定义的推荐模型，例如基于深度学习的推荐模型。
推荐的腾讯云相关产品和产品介绍链接地址： 腾讯云提供了一系列与机器学习和深度学习相关的产品和服务，包括云服务器、GPU实例、AI引擎、容器服务等。以下是一些相关产品和链接地址：
- 云服务器（ECS）：提供高性能的云服务器实例，可以用于训练和部署深度学习模型。产品介绍链接
- 弹性GPU（EGPU）：提供高性能的GPU实例，可以加速深度学习模型的训练和推理。产品介绍链接
- AI引擎：提供了一站式的AI开发平台，包括模型训练、模型部署和模型服务等功能。产品介绍链接
请注意，以上链接仅供参考，具体的产品选择和使用需根据实际需求进行评估和决策。
相关·内容
1回答
我有一个关于TF2.0中的tf.keras和tf函数的问题。如果我有一个这样的模型：
inputdata = keras.Input(shape=(2048, 1))
x = layers.Conv1D(16, 3, activation='relu')(inputdata)
x = layers.Conv1D(32, 3, activation='relu')(x)
x = layers.Conv1D(64, 3, activation='relu')(x)
我想添加一个这样的自定义函数，它是一个1D的SubPixel
浏览 16提问于2020-03-03得票数 0
回答已采纳
我已经在TensorFlow 2.0中使用Keras functional API创建了一个RNN，下面这段代码可以正常工作 sum_input = keras.Input(shape=(UNIT_SIZE, 256,), name='sum')
x = tf.unstack(sum_input,axis=2, num=256)
t_sum = x[0]
for i in range(len(x) - 1):
t_sum = keras.layers.Add()([t_sum, x[i+1]])
sum_m = keras.Model(
浏览 69提问于2019-04-30得票数 4
回答已采纳
构建一个具有多个输出的子类模型，使用tensorflow数据集作为输入。自定义数据集。 使用keras fit来训练模型。 当我只使用训练数据集时，它可以运行。但是，一旦我使用相同类型的数据集作为验证输入，它就会出错：“检查模型目标时出错:预期没有数据，但得到了：” 数据类型类似于'tuple( Data，(target，target1))‘ tensorflow-gpu==1.12，tensorflow.keras 错误的信息 File "/home/god/anaconda3/envs/tensorflow_n/lib/python3.6/site-packages/te
浏览 23提问于2019-02-12得票数 0
回答已采纳
我在TensorFlow 1.14中构建了一个经过训练的模型，该模型使用(现在已被废弃的) 层(在中的TensorFlow 2.0中可用)，并且我正在尝试将旧层的权重移植到一个使用构建的新TensorFlow 2.0模型中，以获得一个等效的模型。
这样做的一个动机是能够在CPU上进行推断( tf.compat.v1.keras.layers.CuDNNGRU层只运行在GPU上)。另一个动机是对模型进行未来验证。
问题
如何将经过训练的tf.contrib.v1.keras.layers.CuDNNGRU层转换为等效的tf.keras.layers.GRU层？
浏览 4提问于2019-11-11得票数 2
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
我有一个具有数字特征和标签的数据集。我正在使用TensorFlow (TFF)构建一个联邦学习模型。基本上，我所拥有的模型是(神经网络)，它总是在TFF教程中解释。我想问，是否有机会为本地客户建立另一个模型，例如支持向量机？因为它适合我的数据集。
我的神经网络：
def create_keras_model():
initializer = tf.keras.initializers.Zeros()
return tf.keras.models.Sequential([
tf.keras.layers.Input(shape=(18,)),
tf.keras.l
浏览 5提问于2022-06-06得票数 0
回答已采纳
我正在尝试将我的TF2.0 RC1模型转换为onnx (使用keras2onnx或tf2onnx)。当我执行这段代码时： import keras2onnx 或者这段代码 import tf2onnx 我得到了错误： ModuleNotFoundError: No module named 'tensorflow.tools.graph_transforms' 如何解决此错误或将我的Tensorflow v2.0模型转换为onnx？
浏览 50提问于2019-09-25得票数 2
我有很多在Keras中开发的代码和模型，其中的"keras“实际上是来自Tensorflow 1.12的tf.keras。我想知道如果我安装了Tensorflow 2.0，我的代码会不会像以前一样工作而不会改变呢？
浏览 2提问于2019-11-01得票数 0
回答已采纳
我一直在用contrib.layers用TensorFlow开发机器学习代码。我对这个模块很满意；它工作得很好，并为我提供了对我的模型的充分控制。然而，TensorFlow 2.0将完全删除contrib模块，新的keras模块不能为我提供足够的灵活性和控制力，除非付出额外的努力(个人经验，如果我错了，请纠正我)，尽管它更容易编写。
我想知道TensorFlow 2.0中的contrib模块会在哪里。提前谢谢。
浏览 4提问于2019-04-04得票数 8
回答已采纳
在TF2.0中，在创建keras模型之后仍然需要调用model.compile，如doc所示。 但是使用eager模式，不需要创建图形，那么tf.keras.Model.compile在TensorFlow2.0中的用途是什么呢？
浏览 25提问于2019-08-26得票数 1
回答已采纳
嗨，我正在尝试安装tensorflow，但是由于现有软件包的numpy而导致的包冲突
谢谢你的帮助
--这是错误信息的一部分：
UnsatisfiableError:发现以下规范互不兼容：
格式输出:请求的包->可用版本
Package numpy conflicts for:
tensorflow-base -> keras-applications[version='>=1.0.8'] -> numpy[version='>=1.13.3|>=1.9.1']
tensorflow-estimator -> numpy
浏览 2提问于2020-05-29得票数 0
回答已采纳
我正在使用Tensorflow 2.0的Keras。
在我的Keras模型上调用fit时，它使用所有可用的CPU。
我想限制使用CPU的数量。然而，它在以前版本的Tensorflow中的工作方式已经不能再使用了：
tf.keras.backend.set_session(tf.compat.v1.Session(config=tf.compat.v1.ConfigProto(
intra_op_parallelism_threads=2, inter_op_parallelism_threads=2)))
'tensorflow.python.keras.api._v2
浏览 0提问于2019-09-13得票数 9
回答已采纳
1回答
我正在使用Tensorflow 2.0，并希望将下面的Keras模型存储为冻结图。
import tensorflow as tf
model = tf.keras.Sequential()
model.add(tf.keras.layers.Dense(64, input_shape=[100]))
model.add(tf.keras.layers.Dense(32, activation='relu'))
model.add(tf.keras.layers.Dense(16, activation='relu'))
model.add(tf.keras.l
浏览 1提问于2020-04-01得票数 9
回答已采纳
我想使用tf.keras.TimeDistributed()层与tf.hub inception_v3 CNN模型从最新的TensorFLow V2版本(tf-nightly-gpu-2.0-预览)。输出如下所示。似乎没有完全实现tf.keras.TimeDistributed()来处理tf.hub模型。不知何故，输入层的形状无法计算。我的问题是:有没有解决这个问题的办法？ 使用常规tf.keras.layer的tf.keras.TimeDistributed运行良好。我只想将CNN模型应用于每个时间步。 模型 import tensorflow as tf
import tensorflo
浏览 43提问于2019-05-17得票数 1
我一直运行我的DL模型的colab很好，直到他们升级的系统上周五。我知道这个错误：
AttributeError Traceback (most recent call last)
/usr/local/lib/python3.6/dist-packages/keras/backend/tensorflow_backend.py in _get_default_graph()
65 try:
---> 66 return tf.get_default_graph()
67 excep
浏览 5提问于2020-04-01得票数 1
1回答
对于将Keras生成的顺序模型保存为SavedModel格式，我有问题。
正如在中所说的，要将Keras模型保存到TensorFlow可以使用的格式，我需要使用model.save()并提供model.save_ format =‘tf’，但我拥有的是：
Traceback (most recent call last):
File "load_file2.py", line 14, in <module>
classifier.save('/tmp/keras-model.pb', save_format='tf')
我
浏览 2提问于2019-12-23得票数 2
回答已采纳
我开始学习Tensorflow2.0 2.0，我困惑的一个主要原因是什么时候应该使用类似keras的model.compile和tf.GradientTape来训练模型。
在用于MNIST分类的Tensorflow2.0 2.0教程中，他们训练了两个类似的模型。和。
抱歉，如果这是微不足道的，但您什么时候使用一个而另一个呢？
浏览 1提问于2019-05-09得票数 4
回答已采纳
我试图通过以下方式创建一个核网络：
import tensorflow as tf
from tensorflow import keras
model = keras.model.Sequential([
keras.layers.Flatten(), # the input layer... why it has no size???
keras.layers.Dense(128, activation = 'relu'), #the hidden
keras.layers.Dense(10) #The output layer
])
但它对我说：
模块'keras
浏览 2提问于2022-05-17得票数 -1
我正在使用下面的代码在Keras中构建一个深度学习模型(Tensorflow 2.0)。
import tensorflow as tf
keras = tf.keras
from keras.layers import Input, Dense
from keras.models import Model
a = Input(shape=(138,7), name='inputP')
b = Input(shape=(138,7), name='inputQ')
c = tf.transpose(b, [0,2,1])
d = tf.matmul(c,a)
浏览 0提问于2021-12-02得票数 1
回答已采纳
Tensorflow发布了在TF-2.0 Keras中实现word2vec的官方指南
然而，它缺少负采样，这在word2vec中是非常重要的，这是不幸的，因为原来的tensorflow有一些很好的候选抽样功能。
我最好的猜测就是扩大模型，
model = keras.Sequential([
layers.Embedding(encoder.vocab_size, embedding_dim),
layers.GlobalAveragePooling1D(),
layers.Dense(1, activation='sigmoid')
])
也许使用函数API而不
浏览 4提问于2019-11-11得票数 2
对于下面的代码，为什么TF2.0中的模型预测可以工作，但模型(数据)失败？
from tensorflow.keras import layers,Input
import tensorflow as tf
input_layer = Input(1)
d1 = layers.Dense(64, activation='relu')(input_layer)
d2 = layers.Dense(3, activation='relu')(d1)
model = tf.keras.Model(inputs=[input_layer], outputs=d2)
da
浏览 0提问于2020-03-03得票数 1
我想知道如何使用这里描述的转移学习：
问题是，我尝试使用的模型不是已知的内置Keras模型(如MobileNetV2 )之一。因此，我想我需要做下面的第一步(步骤1)，以便能够完成本教程中提到的转移学习(步骤2-6)。
1.从包含Saved_Model文件的目录加载模型.
将模型冻结(使模型的可训练参数unchangeable)Make为一个单独的层，并将其叠加在冻结模型的基础上，对模型进行训练。保存新训练的模型。使用新训练的模型进行预测。
我的问题是关于第一步。在试图使用以下Python代码/脚本加载模型时，我遇到了一个错误，我不知道如何修复它：
from __future__ import
浏览 16提问于2020-03-04得票数 1
我使用Python3.7.4和TensorFlow 2.0和Keras 2.2.4-tf来训练我自己的CNN模型。一切都很顺利。例如，我可以使用model.save(my_model)，然后在其他Python脚本中使用它。当我想使用带有C++中的DNN模块的OpenCV中的训练模型时出现问题。dnn:readNetFromTensorflow(model.pb，model.pbtxt)，因为你可以看到两个参数，所以我无法获取第二个.pbtxt文件。所以我决定使用.onnx格式，因为它很灵活。问题是，现有的库keras2onnx只接受来自TensorFlow 1.*的模型，我希望避免使用它。转
浏览 115提问于2020-04-10得票数 4
回答已采纳
我试图预测我的测试集，并得到以下错误
AttributeError: 'Functional' object has no attribute 'uses_learning_phase'
模型是从from keras.engine import Module导入的类模型创建的，除了上面提到的包之外，我导入的所有模块都来自tensorflow.keras。我也尝试过只从Keras导入所有东西，但是仍然会得到相同的错误！
我有tensroflow 2.0和keras 2.4.3
浏览 0提问于2020-08-21得票数 0
回答已采纳
4回答
我正在使用Python3.6和Tensorflow 2.0，并有一些Keras代码：
import keras
from keras.models import Sequential
from keras.layers import Dense
model = Sequential()
model.add(Dense(1))
model.compile(optimizer='adam',loss='mean_squared_error',metrics=['accuracy'])
当我运行这段代码时，我得到了以下错误：
Keras需要Tens
浏览 9提问于2020-07-02得票数 9
回答已采纳
Tensorflow 2.0线程安全吗？
更具体地说，在Tensorflow 2.0 (使用Keras )中，在同一个模型上调用fit/predict或其他方法是否安全？
我无法从文档或在线查找中找到明确的答案。
我从2017年就看到了，它说Keras (虽然提到了Theano后端)是线程安全的，但是在调用predict()之前，必须先调用私有方法model._make_predict_function() (我认为已经被否决了)。然而，我读过2019年的，其中说它不是线程安全的。
我还发现了2018年的，它说Tensorflow (前Keras)是线程安全的，但是您必须确保使用默认的图形解释
浏览 3提问于2020-03-25得票数 2
回答已采纳
我使用tf_upgrade_v2将CNN模型从tf1.x转换为tf2.0，但是当我使用这个转换后的模型时，我得到一个错误： File "/home/hsw/virtual_env/tf2.0/lib/python3.6/site-packages/tensorflow/python/ops/variable_scope.py", line 2492, in default_variable_creator import_scope=import_scope, distribute_strategy=distribute_strategy) File "/h
浏览 104提问于2019-03-13得票数 1
1回答
图像计数为零
、、
我试图创建图像分类模型，使用tensorflow为安卓应用程序这里：https://www.tensorflow.org/tutorials/images/classification，然而，我使用我的本地目录。
这是我的代码：
import matplotlib.pyplot as plt
import numpy as np
import os
import PIL
import tensorflow as tf
from tensorflow import keras
from tensorflow.keras import layers
from tensorflow.keras.m
浏览 4提问于2021-11-13得票数 0
回答已采纳
这个问题背后的动机是，我使用Matterport的MaskRCNN保存了一个Keras模型，并且在tf.keras.callbacks.ModelCheckpoint()中非常明确地将save_weights_only参数设置为False，以便保存整个模型(而不仅仅是权重)。
原来在ModelCheckpoint()回调中有一个bug，它有时不能保存完整的模型。
当您在关闭TF会话后加载模型时，这显然是一个问题，因为Graph、体系结构和优化器状态已经消失，使得重新加载已保存的模型变得困难(如果不是不可能的话)。
因此，我在问是否有可能在会话关闭后(例如，由于您的笔记本内核崩溃)，以某种方式从
浏览 1提问于2019-10-24得票数 1
我正在尝试将我的seq2seq模型迁移到TensorFlow 2.0。但是，我在feature column input layer中有一个问题。 在TensorFlow 2.0中，它们为序列数据提供了输入层keras.experimental.SequenceFeatures，但我必须放入一个SpareTensor。 实际上，并不是所有的序列数据都是SparseTensor。他们为什么要设计把SpareTensor？
浏览 75提问于2019-04-02得票数 0
我正在尝试使用下一个句子预测模型，这是在伯特的预培训。
我在TFBertForNextSequencePrediction类中使用了这个例子。据我所知，seq_relationship_score返回逻辑，指出下一句是否属于以前的上下文。我试过用keras的Softmax，但它没有返回布尔值。
import tensorflow as tf
from transformers import BertTokenizer, TFBertForNextSentencePrediction
tokenizer = BertTokenizer.from_pretrained('bert-bas
浏览 2提问于2020-02-06得票数 0
2回答
谁能给我一个提示，告诉我如何使用TensorFlow2.0的C++ API加载一个用python和keras训练并导出的模型？ 我找不到关于这方面的信息，只有tensorflow版本低于2。 亲切的问候
浏览 34提问于2020-05-02得票数 7
1回答
我正在探索Tensorflow docs - 的翻译模型。在TF2.0中，优化器被定义为
optimizer = tf.keras.optimizers.Adam()
在这种情况下，如何设置学习率？它只是像下面这样初始化参数吗？如何设置自适应学习率？
tf.keras.optimizers.Adam(learning_rate=0.001)
在模型中，他们不使用Keras来定义模型，我也不能使用回调或'model.fit‘，如下所示：
model.fit(x_train, y_train, callbacks=[LearningRateReducerCb()], epochs=5)
浏览 2提问于2019-09-20得票数 1
在我的神经网络中，我试图在预测阶段保持辍学率。我试图通过在tensorflow 2.0RC中使用tensorflow.keras.backend.set_learning_phase(1)来实现这一点。
当我调用model.compile时，问题就出现了，它似乎在预测阶段关闭了辍学。
下面的代码演示如何设置学习阶段。在模型编制之前，预测是半随机的，和预期的一样。模型编译后，预测不再是半随机的，尽管学习阶段仍然是1。
import tensorflow as tf
from tensorflow import keras
import tensorflow.keras.backend as K
浏览 1提问于2019-10-21得票数 1
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
关于(不支持TensorFlow 2.0的Keras)，我遇到了一个错误。我们建议使用tf.keras，或者将评级下调到TensorFlow 1.14。)任何建议。
谢谢
import keras
#For building the Neural Network layer by layer
from keras.models import Sequential
#To randomly initialize the weights to small numbers close to 0(But not 0)
from keras.layers import Dense
classifier
浏览 0提问于2019-11-28得票数 13
回答已采纳
1回答
我一直在尝试将平方非线性激活函数实现为keras模型的自定义激活函数。它是这个列表上的第10个函数。
我尝试使用keras后端，但我没有使用所需的多个if else语句，因此我还尝试使用以下语句：
import tensorflow as tf
def square_nonlin(x):
orig = x
x = tf.where(orig >2.0, (tf.ones_like(x)) , x)
x = tf.where(0.0 <= orig <=2.0, (x - tf.math.square(x)/4), x)
x = tf.where
浏览 16提问于2019-07-14得票数 0
回答已采纳
2回答
我正在制作一个张量流模型，它采用一组6个值并输出一个值。(测试和学习目的)以下是代码： import tensorflow as tf
import numpy as np
from tensorflow import keras
import pandas as pd
a=0
model = keras.Sequential()
model.add(keras.layers.Dense(units=6, input_shape=(6,)))
model.compile(optimizer='sgd',loss='mean_squared_error')
x=
浏览 38提问于2020-09-22得票数 0
我在用
Tensorflow 2.0
在遵循了从Tensorflow 1.14到Tensorflow 2.0的迁移指南之后，我从tensorflow.keras中导入了所有模块，而不仅仅是keras。但是下面的命令会给出属性错误-
from tensorflow.keras import backend as K
K.tensorflow_backend._get_available_gpus()
Output: AttributeError: module 'tensorflow_core.keras.backend' has no attribute 'tens
浏览 8提问于2019-12-17得票数 0
我已经使用以下代码升级了我的tensorflow和keras： !pip install tf-nightly-gpu-2.0-preview 现在，模型学习的每一个时代都需要22分钟，这在这次升级之前是17秒！我确实降级了tensorflo和keras，但它没有帮助！
浏览 37提问于2019-06-04得票数 0
我想使用TensorFlow2.0在几个GPU上训练一个模型。在分布式培训(https://www.tensorflow.org/guide/distributed_training)的tensorflow教程中，tf.data数据生成器转换为分布式数据集，如下所示： dist_dataset = mirrored_strategy.experimental_distribute_dataset(dataset) 但是，我希望使用自己的自定义数据生成器(例如，keras.utils.Sequence数据生成器，以及用于异步批处理生成的keras.utils.data_utils.Ordere
浏览 35提问于2019-12-05得票数 5
回答已采纳
我正在尝试解决此错误：
AttributeError: module 'tensorflow.python.keras.api._v2.keras.losses' has no attribute 'sparse_softmax_cross_entropy'
对于上下文，我在windows和python3.6上使用tensorflow2.0。我正在尝试对标签为0或1的3-axis数据进行一些快速分类。
通常的model.fit()方法不能让我对数据进行足够的控制，所以我试图一步一步地在嵌套循环中进行拟合。
以下是模型：
model = tf.ke
浏览 2提问于2019-05-16得票数 1
我一直试图在Anaconda中安装Tensorflow 2.0。
到目前为止，tensorflow工作正常(我可以在代码中使用这个库)，但是当我安装它时，它写着"installing : 2.0"，然后我得到1.15版本。
整个包的结果都是可更新的(因为版本2.0确实存在并且应该是可用的)，但是即使我尝试更新它，我仍然会得到1.15，这将返回可更新，然后我回到循环中。
我通过Anaconda接口和提示符尝试使用conda update tensorflow，但都没有成功。
下面是链接包：
我怎样才能解决这个问题？
编辑:
我使用TensorFlow成功地安装了conda ins
浏览 5提问于2019-11-19得票数 6
回答已采纳
系统信息
操作系统平台和发行版(例如Linux Ubuntu 16.04)：Ubuntu 18.04
安装自(源或二进制)的射线:二进制
射线版本: 0.7.3
Python版本: 3.7
Tensorflow版本: tensorflow-gpu 2.0.0rc0
精确的复制命令：
# Importing packages
from time import time
import gym
import tensorflow as tf
import ray
# Creating our initial model
model = tf.keras.Sequential([
浏览 2提问于2019-09-02得票数 2
回答已采纳
我正在将conv2d模型转换为keras(Tensorflow 2.0)。
我快做完了，但最后一个问题是拖延我的工作。
标题说明了这一切:在keras中是否有等效函数py手电筒的丢失函数nn.crossEntropyLoss()？
谢谢你的帮助。
浏览 2提问于2019-11-26得票数 0
回答已采纳
要在崩溃后恢复训练，不仅必须恢复模型，还必须恢复进入model.fit(...)过程状态的所有对象和参数。
在我费心编写实现fitting对象的keras代码之前，我想知道用于崩溃恢复的标准方法(如果有的话)是什么，以便从中断的地方恢复TensorFlow 2.0训练。
还是有人真的填补了TensorFlow对象模型中的这个明显的漏洞？
浏览 3提问于2019-12-29得票数 1
h5py
Keras==2.0.3
numpy
opencv-python
sklearn
tensorflow 2.0 >
我收到以下错误消息
使用TensorFlow后端。2020年-04-02 01:53:58.259516: I
tensorflow/stream_executor/platform/default/dso_loader.cc:44]
成功打开动态库libcudart.so.10.1回溯(大多数)
)：文件"train_frcnn.py"，第10行，在
从keras导入后端作为K文件“/usr/local/lib/python3.6/dist
p
浏览 1提问于2020-04-02得票数 0
目前，在tensorflow 2.0中，Keras可以通过tensorflow.keras和tensorflow.python.keras导入。这两种进口产品有什么不同，我该如何选择呢？
from tensorflow.keras import *
from tensorflow.python.keras import *
据我理解，tensorflow.python.keras与packages差不多，而tensorflow.keras是由TensorFlow实现的，后者可能与TF更兼容，但并不像Keras中的所有包，如层、InputSpec等。
另一个问题是，对于PyCharm这样的IDE
浏览 0提问于2019-09-10得票数 0
回答已采纳
如何使用2.0API将TensorFlow模型2.0转换为tslite模型？
我试图将我的自定义TensorFlow模型导出为tflite格式，因为我想将这个模块集成到一个Android应用程序中。编译Python脚本后会出现奇怪的错误。
使用: Tensorflow 2.0.0 beta1 API
我尝试了这些方法来转换：
- From SavedModelFrom
- tf.Keras Model
这些点将在下面的代码中显示。
CipherNeuralModel = keras.Sequential([
keras.layers.Flatten(input_shap
浏览 1提问于2019-08-23得票数 0
回答已采纳
当使用tensorflow 2.0创建模型时，我会得到两种不同的行为，这取决于我是如何向前传递的：
1)如果使用模型(X)进行前传，那么它很好，调用方法中的“训练”参数正常工作。
与
2)如果我使用model.fit(X，y)来运行模型，那么“训练”参数似乎会被覆盖，并被设置为None，不管它的默认值是真还是假。
有人知道为什么会这样吗？例如，这意味着我不能建立模型，因此只有在训练设置为True时才会出现辍学。
!pip install tensorflow-gpu==2.0.0-alpha0
import tensorflow as tf
from tensorflow.keras.laye
浏览 0提问于2019-05-15得票数 1
云服务器
ICP备案
对象存储
即时通信 IM
实时音视频
腾讯云开发者
