在尝试使用基本的LSTM Cell复制Tensorflow中的LSTM Cell的权重时，我偶然发现了trainable_weights和trainable_variables属性。遗憾的是，对于像我这样的菜鸟来说，并没有真正提供丰富的信息。经过一些实验，确实得到了以下信息:两者具有完全相同的布局，是一个长度为2的列表，其中第一个条目是形状的tf
浏览 42提问于2018-02-28得票数 7
回答已采纳
我注意到tf.keras.Model有两组相似的属性：trainable_weights，trainable_variables还有一些方法：在我所查看的模型中，属性对的值是相同的，并且是您所期望的(适当的tf.Variable集合所以我的</em
浏览 0提问于2020-11-19得票数 1
我正在研究如何在TF 2中进行迁移学习，我看到在中，他们使用属性trainable_variables来引用模型的可训练变量，但在这个中，他们使用tf.keras.Model的属性trainable_weights我用一个简单的模型检查了这两个属性，它们给出了相同的结果。print(tf.：trainable_variables似乎是，trainable_we
浏览 2提问于2020-06-07得票数 3
根据the TensorFlow document的说法，@tf.function将一个函数编译成图形，并“使您获得更快的执行速度，在GPU或TPU上运行，或导出到SavedModel。”文档中的示例演示了这样的好处： lstm_cell = tf.keras.layers.LSTMCell(10)
def lstm_fn(input, state):
inp
浏览 21提问于2019-05-19得票数 2
回答已采纳
我想在培训期间监控每个LSTM层的权重。但是，我无法找到如何将LSTM层权重的摘要附加到TensorBoard中。
对于如何做到这一点，有什么建议吗？
浏览 1提问于2017-12-04得票数 8
回答已采纳
问题是:尽管这个问题已经在github上提出来了，而且可能会在TensorFlow的另一个版本中得到解决，但我发现目前还没有任何解决方案；在此期间，是否存在一种可能有效的止损措施？它解释了最新版本的tensorflow包含了BasicLSTMCell()的“重用”参数。在这段代码中，如果我将重用设置为False，则tf.nn.dynamic_rnn行将产生错误：
“rnn/multi_rnn_cell/cell_0/<
浏览 0提问于2017-05-13得票数 1
回答已采纳
我想更好地理解那些形状的Tensorflow的BasicLSTMCell内核和偏见。_num_units],为什么内核有shape=input_depth +_num_units)和形状偏差=4* self._num_units？可能因素4来自遗忘门、块输入、输入门和输出门？input_depth和h_depth之和的<
浏览 0提问于2018-08-22得票数 6
回答已采纳
我试图通过将预先训练好的集成到keras层中来使用它。这似乎是由于急切的执行行为造成的。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：Not found: Resource localhost/module/bilm/RNN_0/RNN/MultiRNNCell/Cell1&#
浏览 0提问于2019-08-01得票数 1
1回答
想象一下，您正在tensorflow中为序列分类任务训练一个LSTM模型。在每个时间步，你有一个二进制向量v_i (例如，v_i=[0, 1, 0, 1])，并且对于每个序列，你有可变数量的时间步(尽管二进制向量v_i的长度是相等的)。在tensorflow中训练LSTM模型时，如下所示： lstm_cell=tf.nn.rnn_cell.LSTMCell(number_of_hidden)
tf.contrib.
浏览 15提问于2019-06-18得票数 0
我想在重用旧权重的同时创建一个新的MultiRNNCell。import tensorflow as tf
def create_lstm_multicell():lstm_cell = lambda: rnn.LSTMCell(nstates
浏览 2提问于2017-05-12得票数 0
回答已采纳
我有以下代码片段的seq2seq解码器与注意力机制。它可以在tensorflow 1.13中工作。现在我需要升级到带有keras的TensorFlow2.0，但是tf.contrib.rnn.OutputProjectionWrapper已经在TensorFlow2.0中被删除了。如何实现它？impute_finished=True, )
我阅读了，但不知
浏览 43提问于2019-08-14得票数 2
2回答
我在使用Tensorflow的LSTM细胞。lstm_cell = tf.contrib.rnn.BasicLSTMCell(lstm_units)注意:对于tf.get_variable()，glorot_u
浏览 2提问于2018-03-11得票数 1
回答已采纳
我在GPU支持下使用Tensorflow 1.1.0，我有以下功能：
def get_init_cell(batch_size, rnn_size, keep_prob=0.75, layers=2):1.0.0中，但是现在我已经改变了获取lstm单元的方式。首次使用的单元格是作用域‘rnn/多_rnn_ cell /cell_0/basic_lstm_cell’，这一尝试是与作用域‘rnn/多_rnn_cell/cell_1/
浏览 0提问于2017-05-08得票数 0
回答已采纳
2回答
为权重正则化和偏置正则化引入了单独的类。这些类可以是添加自定义正则化器的子类。Keras文档中的一个示例： return 1e-3 * tf.reduce_sum(tf.square(x))de
浏览 0提问于2019-01-28得票数 2
1回答
我正在构建一个rnn，我使用tf.nn.dynamic_rnn来产生输出和状态。守则如下(tf版本1.3)：def lstm_cell():
cell= tf.contrib.rnn.MultiRNNCell([lstm_cell层也是batch_size=1<e
浏览 1提问于2017-12-21得票数 0
回答已采纳
output3 = tf.someoperation3(out)def some_function(lstm_ou
浏览 4提问于2018-09-08得票数 0
回答已采纳
- 1.1 ( 2.7和3.5 )
'bidirectional_rnn/fw/lstm_cell', this attempt is with scope 'bidirectional_rnn/bw
浏览 2提问于2017-05-22得票数 0
回答已采纳
假设有一个深度学习模型和一个具有预先训练好的权重的检查点。我想要做的是对预先训练的模型进行微调。然而，我发现我必须使用现有模型图中没有定义的新的ADAM优化器对模型进行微调。因为ADAM优化器本身有一些trainable_variables，所以如果我想要基于检查点对模型进行微调，我必须将它们添加到现有的检查点。有没有办法在tensorflow中强制添加新的变量到现有的检查点？
浏览 19提问于2020-01-15得票数 0
但是，我的模型有keras.engine.sequential.Sequential object at 0x7fa284a24d30类型，而不是tensorflow.python.keras.engine.sequential.Sequential因此，当我试图获取可训练变量时，就会得到错误：我对脚本和终端中<
浏览 6提问于2022-04-12得票数 0
1回答
我是tensorflow和LSTM的新手，我很难理解网络的形状和结构(权重、偏差、输入和日志的形状)。在这段取自的特定代码中 layer = {'weights':tf.Variable(tf.random_normal([rnn_sizetf.transpose(x, [1,0,2])
x = tf.reshape(x, [-1,
浏览 2提问于2018-08-14得票数 0
云服务器
ICP备案
对象存储
云点播
实时音视频
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号