tensorflow多gpu塔式错误: loss =tower_loss(作用域)。ValueError:变量塔_1/损失/x熵_平均值/平均值/不存在
这个错误是由于在使用TensorFlow进行多GPU塔式训练时出现的问题。具体来说，错误信息指出了变量"塔1/损失/x熵平均值/平均值"不存在。
解决这个问题的方法是检查代码中的变量命名和作用域设置。可能的原因是在定义变量时出现了拼写错误或者作用域设置不正确。请确保在定义变量时使用了正确的命名，并且在使用这些变量时，作用域设置也是正确的。
另外，还需要确认是否正确导入了TensorFlow库，并且版本是否兼容。可以尝试更新TensorFlow版本或者查看官方文档以获取更多关于多GPU训练的指导。
推荐的腾讯云相关产品是腾讯云AI智能机器学习平台（https://cloud.tencent.com/product/tfml），该平台提供了丰富的机器学习和深度学习工具，包括TensorFlow，可以帮助开发者进行模型训练和部署。
相关·内容
我正在尝试为多个GPU(在一台机器上)检查Tensorflow的初始代码。我很困惑，因为我们从不同的塔，也就是GPU得到了多个损失，据我所知，但loss变量似乎只计算了最后一个塔的损失，而不是所有塔的损失的总和：
for step in xrange(FLAGS.max_steps):
start_time = time.time()
_, loss_value = sess.run([train_op, loss])
duration = time.time() - start_time
最后一次专门为每个塔定义loss的位置：
for i in xrange(FLAGS.num
浏览 2提问于2016-07-24得票数 2
在TensorFlow CIFAR10示例中
# Build the portion of the Graph calculating the losses. Note that we will
# assemble the total_loss using a custom function below.
_ = cifar10.loss(logits, labels)
# Assemble all of the losses for the current tower only.
losses = tf.get_collection('losses', scope)
#
浏览 12提问于2018-03-01得票数 1
1回答
这是我正在训练的一个区分网络，所以我可以在一个生成网络中使用它。我在一个具有两个特征的数据集上进行了训练，并进行了二进制分类。1=冥想0=不冥想。(数据集来自siraj raval的视频之一)。
由于某些原因，输出层(ol)总是在每个测试用例中输出1。
我的数据集：
import pandas as pd
import tensorflow as tf
data = pd.read_csv("E:/workspace_py/datasets/simdata/linear_data_train.csv")
data_f = data.drop("lbl", ax
浏览 1提问于2017-10-10得票数 1
回答已采纳
当我在tensorflow中使用多gpu时，错误如下：
Traceback (most recent call last):
File "multi_gpu_train.py", line 290, in <module>
tf.app.run()
File "/usr/lib/python2.7/site-packages/tensorflow/python/platform/app.py", line 48, in run
_sys.exit(main(_sys.argv[:1] + flags_passthrou
浏览 20提问于2017-08-10得票数 0
在经过多个GPU训练的TensorFlow 中，每个“塔”的损耗似乎是合并的，而梯度是从这个合并损耗中计算出来的。
# Build the portion of the Graph calculating the losses. Note that we will
# assemble the total_loss using a custom function below.
_ = cifar10.loss(logits, labels)
# Assemble all of the losses for the current tower only.
浏览 5提问于2017-02-13得票数 4
我是机器学习的新手，我想我会从科拉斯开始。在这里，我将电影评论分类为三类(正为1，中性为0，负为-1)，使用二进制交叉熵。所以，当我试图用tensorflow估计来包装我的keras模型时，我得到了误差。
守则如下：
import tensorflow as tf
import numpy as np
import pandas as pd
import numpy as K
csvfilename_train = 'train(cleaned).csv'
csvfilename_test = 'test(cleaned).csv'
# Read .csv
浏览 3提问于2020-08-12得票数 2
回答已采纳
在tensorflow 中，每个GPU计算损失(行174-180)
for i in xrange(FLAGS.num_gpus):
with tf.device('/gpu:%d' % i):
with tf.name_scope('%s_%d' % (cifar10.TOWER_NAME, i)) as scope:
loss = tower_loss(scope)
当下面几行(第246行)计算loss时
_, loss_value = sess.run([train_op, loss])
具体计算的损失是什么？
我查看了tower_
浏览 5提问于2016-07-04得票数 1
回答已采纳
1回答
最近，我试图通过阅读官方教程来学习如何在多个GPU上使用Tensorflow。然而，有件事我很困惑。下面的代码是官方教程的一部分，它计算单个GPU的损失。
def tower_loss(scope, images, labels):
# Build inference Graph.
logits = cifar10.inference(images)
# Build the portion of the Graph calculating the losses. Note that we will
# assemble the total_loss using a cust
浏览 2提问于2018-12-18得票数 0
回答已采纳
我试图将多氯联苯的图像分为两类(defected和undefected)，使用categorical cross-entropy作为丢失函数。同样的代码如下：
import numpy as np
import matplotlib.pyplot as plt
import tensorflow
from tensorflow.keras.applications import ResNet50
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Dense
from tenso
浏览 2提问于2020-04-27得票数 2
回答已采纳
我是坦索弗洛的新手
在tensorflow会话代码的一部分中，有：
loss = tf.nn.softmax_cross_entropy_with_logits_v2(
logits=net, labels=self.out_placeholder, name='cross_entropy')
self.loss = tf.reduce_mean(loss, name='mean_squared_error')
为此，我想使用mean_squared_error损失函数。我在tensorf
浏览 0提问于2018-11-24得票数 2
回答已采纳
我正在尝试使用tensorflow训练一个具有多个塔的网络。我已经为所有的塔设置了reuse = True。但在中，重用变量是在创建第一个塔之后设置的：
with tf.variable_scope(tf.get_variable_scope()):
for i in xrange(FLAGS.num_gpus):
with tf.device('/gpu:%d' % i):
with tf.name_scope('%s_%d' % (cifar10.TOWER_NAME, i)) as scope:
# Dequeues
浏览 13提问于2018-01-29得票数 0
回答已采纳
在下面你可以找到我的自定义损失函数。 def custom_loss_function(y_true, y_pred):
y_pred_bool = tf.math.less_equal(y_pred, tf.constant(0.5))
y_pred_float = 1 - tf.cast(y_pred_bool, dtype=tf.int32)
y_true = tf.cast(y_true, dtype=tf.int32)
mask_bool_loss = tf.math.less(y_true, tf.constant(0))
mask_loss = 1
浏览 51提问于2020-11-27得票数 0
回答已采纳
当我使用Keras运行基本神经网络时，验证精度正在提高，但精度、损耗和val_loss主要是nan。
运行环境和其他信息
'2.4.0'TensorFlow版本：'2.3.0'OS: Ubuntu20.04.1 LTSGPU: Radeon 580 SeriesPython运行在木星笔记本(没有图书馆版本问题，我知道)
import tensorflow as tf
from tensorflow import *
from tensorflow.keras.callbacks import EarlyStopping
from tensorflow.kera
浏览 15提问于2020-09-16得票数 0
1回答
我试图为一个回归问题创建一个自定义丢失函数，该函数将最小化超过某个阈值的元素的数量。我的代码是：
import tensorflow as tf
epsilon = 0.000001
def custom_loss(actual, predicted): # loss
actual = actual * 12
predicted = predicted * 12
# outputs a value between 1 and 20
vector = tf.sqrt(2 * (tf.square(predicted - actual + epsilon
浏览 4提问于2022-08-10得票数 0
回答已采纳
1回答
我用Tensorflow编写了人脸分类器程序。在这个项目中，首先我有两个脸，所以我使用binary_crossentropy作为损失函数。当我决定添加更多的面孔时，我从binary_crossentropy切换到了categorical_crossentropy。
我的代码：
import tensorflow as tf
from tensorflow.keras.datasets import cifar10
from tensorflow.keras.preprocessing.image import ImageDataGenerator
from tensorflow.keras.m
浏览 2提问于2021-01-01得票数 0
回答已采纳
1回答
我在训练大班的图像分类模型。由于dataset是巨大的，它不适合内存内存，所以我使用tf.data管道将其存储在缓存中，并随着培训的进行进行读取。我构建的代码如下所示
file_location = r'C:\imageclassification\data'
data_dir = pathlib.Path(file_location)
class_labels_cnt = len(os.listdir(file_location))
print('total class :',class_labels_cnt)
image_count = len(list(d
浏览 9提问于2022-07-17得票数 0
回答已采纳
1回答
我正在尝试实现一个自动编码器，用于使用Keras预测多个标签。这是一个片段：
input = Input(shape=(768,))
hidden1 = Dense(512, activation='relu')(input)
compressed = Dense(256, activation='relu', activity_regularizer=l1(10e-6))(hidden1)
hidden2 = Dense(512, activation='relu')(compressed)
output = Dense(768, activ
浏览 0提问于2021-05-12得票数 0
我正在学习Tensorflow 2.0，我正在尝试弄清楚Gradient Tapes是如何工作的。我有一个简单的例子，在这个例子中，我评估了logits和标签之间的交叉熵损失。我想知道为什么关于logits的梯度是零。(请看下面的代码)。TF的版本为tensorflow-gpu==2.0.0-rc0。 logits = tf.Variable([[1, 0, 0], [1, 0, 0], [1, 0, 0]], type=tf.float32)
labels = tf.constant([[1, 0, 0], [0, 1, 0], [0, 0, 1]],dtype=tf.float32)
w
浏览 12提问于2019-09-11得票数 2
看一下代码：
import tensorflow as tf
with tf.device('/gpu:0'):
with tf.device('/cpu:0'):
x = tf.constant(0,name='x')
x = x * 2
y = x + 2
config = tf.ConfigProto(log_device_placement=True)
with tf.Session(config=config) as sess:
sess.run(y)
浏览 0提问于2017-08-11得票数 0
最近我在玩Kaggle中的叶子分类问题。我见过笔记本电脑。但当我尝试使用Tensorflow构建相同的模型时，它产生的精度很低，损失变化很小。下面是我的代码：
import tensorflow as tf
import numpy as np
import pandas as pd
from sklearn.preprocessing import scale,StandardScaler
#preparing data
train=pd.read_csv('E:\\DataAnalysis\\Kaggle\\leaf\\train.csv',sep=','
浏览 16提问于2017-01-20得票数 1
回答已采纳
1回答
我正在尝试在这个代码 [https://towardsdatascience.com/bert-text-classification-using-pytorch-723dfb8b6b5b]的帮助下建立一个文本分类的BERT模型。我的数据集包含两列(标签、文本)。标签可以有三个值(0,1,2)。代码工作正常，没有任何错误，但混淆矩阵的所有值都是0。我的代码有什么问题吗？ import matplotlib.pyplot as plt
import pandas as pd
import torch
from torchtext.data import Field, TabularDatase
浏览 65提问于2021-09-20得票数 0
回答已采纳
在tensorflow中，有称为和的方法。
我阅读了tensorflow文档，并在谷歌上搜索了更多信息，但我找不到其中的区别。在我看来，两者都使用softmax函数来计算损失。
使用sampled_softmax_loss计算损失
loss = tf.reduce_mean(tf.nn.sampled_softmax_loss(...))
使用softmax_cross_entropy_with_logits计算损失
loss = tf.reduce_mean(tf.nn.softmax_cross_entropy_with_logits(P, Q))
对我来说，计算软最大损失与计算软最大交叉
浏览 1提问于2016-02-06得票数 16
回答已采纳
我的一维CNN的验证精度停留在0.5，这是因为我总是从一个平衡的数据集中得到同样的预测。同时，我的训练精度也在不断提高，损失也在按预期减少。
奇怪的是，如果我在我的训练集上做了model.evaluate() (在上一个时代有接近1的精度)，它的精确度也将是0.5。为什么这里的精度与上一个时代的训练精度有如此大的差别？我还尝试了一批大小为1的培训和评估，而且问题依然存在。
很长一段时间以来，我一直在寻找不同的解决方案，但还是没有运气。我已经研究过的一些可能的问题：
我的数据集是适当的平衡和洗牌；
我的标签是正确的；
尝试添加完全连接的层；
尝试从完全连接的层中添加/删除掉出物；
尝试相同的结构
浏览 0提问于2021-01-18得票数 1
回答已采纳
当我在Tensorflow的网站上看到时，我发现了两种自定义损失的方法。第一个是定义一个损失函数，就像：
def basic_loss_function(y_true, y_pred):
return tf.math.reduce_mean(tf.abs(y_true - y_pred))
为了简单起见，我们假设批处理的大小也是1，所以y_true和y_pred的形状都是(1，c)，其中c是类的数目。在这种方法中，我们给出了两个向量y_true和y_pred，并返回一个值(Scala)。
然后，第二个方法是子类tf.keras.losses.Loss类，指南中的代码是：
class W
浏览 4提问于2020-05-14得票数 4
下面的tensorflow函数的输出应该给出平均对数困惑度。我看过了源代码。但我不明白他们是如何计算损失的。
tf.contrib.legacy_seq2seq.sequence_loss(logits, targets, weights, average_across_timesteps=True, average_across_batch=True, softmax_loss_function=None, name=None)
浏览 0提问于2017-03-22得票数 0
2回答
我正在尝试使用Keras和Tensorflow后端来训练神经网络。我的X是我处理并转换成序列的文本描述。现在，我的y是一个稀疏矩阵，因为它是一个多标签分类，并且我有许多输出类。
>>> y
<30405x3387 sparse matrix of type '<type 'numpy.int64'>'
with 54971 stored elements in Compressed Sparse Row format>
为了训练模型，我尝试定义一个批处理生成器：
def batch_generator(x, y,
浏览 17提问于2018-12-18得票数 1
回答已采纳
当我执行在cifar10上描述的模型时，使用一个GPU大约4小时后，精度达到86%，当我使用2个GPU时，精度下降到84%，但在2个GPU上达到84%的精度比1快。
我的直觉是，在average_gradients中定义的函数返回一个不太精确的梯度值，因为梯度的平均值将比实际的梯度值更不准确。
如果梯度不太精确，那么参数比控制作为训练的一部分所学习的函数更不准确。看看代码()，为什么平均多个GPU上的梯度比计算单个GPU上的梯度还要精确呢？
我的直觉，平均梯度产生一个不太准确的值？
模型中的随机性描述为：
The images are processed as follows:
They ar
浏览 7提问于2017-05-08得票数 9
回答已采纳
2回答
我有以下损失：
loss = loss(y_train_left_noc[:,:,0], soft_argmin).tolist()
其中type(loss)是<class 'float'>
但是，在优化器中使用此损失时，如下所示：
train = tf.keras.optimizers.Adam().minimize(loss, [k1, k2, k3])
在k1、k2和k3是卷积内核的情况下，我得到了以下错误：
Traceback (most recent call last):
File "train.py", line 277, in &
浏览 0提问于2020-08-18得票数 3
1回答
我正在训练我的SSD-300型号，我已经将图像调整为300x300。我正在使用github：中提到的默认设置
在训练中损失是不稳定的。我试着训练到5万步。目前我得到的mAP是0.26(VOC 2007)和0.24 (VOC 2012)。
列车组: 1500张图片测试: 300张图片
电流参数：
!python train_ssd_network.py --dataset_name=pascalvoc_2007 --dataset_split_name=train --model_name=ssd_300_vgg --save_summaries_secs=60 --save_interval_
浏览 7提问于2021-10-24得票数 0
1回答
在拟合时，损失是NaN
、、、
我正在尝试用TensorflowJS制作python版本的Tensorflow的相同示例。不幸的是，当我运行脚本时，我不知道为什么训练时记录的损失值是NaN。
我想要实现的是一个简单的文本分类，它根据训练好的模型返回0或1。这是我正在关注的Python教程
这是我到目前为止已经翻译过的代码：
import * as tf from '@tensorflow/tfjs'
// Load the binding:
//require('@tensorflow/tfjs-node'); // Use '@tensorflow/tfjs-node-gpu&
浏览 1提问于2018-08-27得票数 2
因此，我正在基于构建一个完全卷积网络(FCN
我的输入图像数据目前是一个750x750x3的RGB图像。在网络中运行后，我使用形状为batch_size，750,750,2的logits进行损失计算。
这是一个二进制分类-我这里有两个类别，在我的标签中有0，1(形状为batch_sizex750x750 )。这些函数进入损失函数，如下所示：
def loss(logits, labels, num_classes):
with tf.name_scope('loss mine'):
logits = tf.to_float(tf.reshape(logits, [-1,
浏览 20提问于2016-07-24得票数 7
回答已采纳
我试图用keras编写线性和逻辑模型，并用相同的数据进行训练，但遇到了这个令人困惑的错误。以下是代码和错误消息。
import tensorflow as tf
from tensorflow import keras as tfk
import pandas as pd
def build_model(n_features, **kwargs):
model = tfk.models.Sequential([
tfk.layers.Dense(1, input_shape=[n_features, ], **kwargs)
])
optimizer
浏览 25提问于2019-07-09得票数 2
回答已采纳
2回答
因此，我正在编写一个GAN神经网络，如果小于0，我希望将网络的输出设置为0，如果大于1，则将网络的输出设置为1，否则保持不变。我对tensorflow非常陌生，但我不知道有任何tensorflow函数或激活可以做到这一点而不会有不必要的副作用。所以我做了我的损失函数，所以它计算损失，就像输出被钳位一样，代码如下：
def discriminator_loss(real_output, fake_output):
real_output_clipped = min(max(real_output.numpy()[0],
0), 1)
fake_output_clippe
浏览 497提问于2020-05-29得票数 1
回答已采纳
我正在用一个单层的神经网络实现一个非线性回归。然而，使用激活函数作为ReLu或Softmax，损失会被卡住，值不会随着样本的增加而减少，并且预测值是常数。因此，我用ReLu代替了LeakyReLU，损失大大减少了，预测不再是常量，甚至跟踪了原始函数。
然而，在我正在工作的上下文中，Softmax函数将更合适。然而，消失梯度问题依然存在。我试过用小重量初始化，但它不起作用。我想知道是否有人能给我一个想法，如何增加软件最大函数的陡度，因为它与LeakyReLU一起工作。
class NeuralNetwork(nn.Module):
def __init__(self,inputsize,
浏览 0提问于2022-09-27得票数 0
我开始使用tensorflow (来自咖啡馆)，我正在使用loss sparse_softmax_cross_entropy_with_logits。该函数接受像0,1,...C-1这样的标签，而不是The。现在，我想根据类别标签使用一个权重；我知道如果我使用softmax_cross_entropy_with_logits (一种热编码)，这可以通过矩阵乘法来完成，有没有办法对sparse_softmax_cross_entropy_with_logits做同样的事情
浏览 1提问于2016-10-23得票数 14
我使用XLM模型创建了二进制(0和1)文本分类脚本。我想把度量(作为二进制交叉熵)，但也提前停止与耐心15。
但我有个问题。我尝试使用path model.compile和model.fit，但是XLM-RotaForSequence分类法没有这些参数。我不想用论证。有可能找到一些解决办法吗？
我已经使用了AdamW。最后，对于每个历次的参数，如回忆、f1、准确性等，都有可能得到。目前我只得到了上一个时代的最后一个数据。
下面我把脚本放在培训过程中：
from transformers import XLMRobertaForSequenceClassification, AdamW, Ber
浏览 7提问于2022-06-06得票数 0
回答已采纳
基线情况
我用8个NVIDIA特斯拉P100 GPU在GPU集群上进行培训。脚本代码基于TensorFlow教程。作为培训数据，我创建基于的二进制文件，该文件仅包含50,000幅图像中的5,000个。每次培训我只使用其中一个文件。
以下是有关培训的一些基本数据：
时代: 100,000
批次大小: 128
培训数据数:5 000
Init学习率: 0.1
学习速率衰减因子: 0.1
每衰变的历元数为350.0
无指数移动平均
..。
如果您需要更多的信息，请评论
问题是，如果我使用多个GPU进行培训，我迟早会得到一个NaN错误。然后，损失值在几个时代
浏览 0提问于2018-01-19得票数 3
回答已采纳
1回答
使用带有Tensorflow后端的Keras，我正在尝试训练LSTM网络，在GPU上运行它比在CPU上运行要花费更长的时间。
我正在训练一个使用fit_generator功能的LSTM网络。它需要CPU ~250秒每一个时代，它需要GPU ~900秒每一个时代。我的GPU环境中的包包括
keras-applications 1.0.8 py_0 anaconda
keras-base 2.2.4 py36_0 anaconda
keras-gpu
浏览 0提问于2019-06-25得票数 4
回答已采纳
2回答
我正在训练tensorflow的im2txt样本，它会输出损失：
INFO:tensorflow:global step 2174: loss = 3.6930 (15.83 sec/step)
INFO:tensorflow:global step 2175: loss = 3.6651 (15.52 sec/step)
INFO:tensorflow:global step 2176: loss = 3.5733 (18.25 sec/step)
INFO:tensorflow:global step 2177: loss = 3.1979 (18.87 sec/step)
INFO:te
浏览 0提问于2017-02-06得票数 11
我对tensorflow非常陌生，并试图对Iris数据集做一些实验。我创建了以下模型函数(MWE)：
def model_fn(features, labels, mode):
net = tf.feature_column.input_layer(features, [tf.feature_column.numeric_column(key=key) for key in FEATURE_NAMES])
logits = tf.layers.dense(inputs=net, units=3)
loss = tf.nn.softmax_cross_entropy_
浏览 0提问于2018-04-19得票数 1
回答已采纳
我正在尝试理解CategoricalCrossentropy() 2.0中的TensorFlow丢失函数。当我用
tf.keras.metrics.CategoricalCrossentropy(actual, pred)
我得到以下错误：
ValueError:包含多个元素的数组的真值是不明确的。使用a.any()或a.all()
有人能解释一下怎么纠正吗？
浏览 3提问于2019-06-11得票数 0
1回答
我的数据X有一个keras模型。使用的代码是：
X=np.array(data[['tags1','prx1','prxcol1','p1','p2','p3']].values)
t=np.array(data.read.values)
n=np.array(data.read.values)
import keras
import os
os.environ['TF_CPP_MIN_LOG_LEVEL'] = '3'
import tensorflow as
浏览 0提问于2020-06-11得票数 1
1回答
我正在尝试使用'inception resnet v2.py'进行多标签分类。 我用了乙状结肠，但效果不好。 你知道在哪里换车吗？ https://github.com/tensorflow/models/tree/master/research/slim "train_image_classifier.py"已更改为sigmoid，但效果与使用softmax一样好。 我必须将它从"net“文件夹中的"inception resnet v2.py"更改吗？ if 'AuxLogits' in end_points:
浏览 18提问于2019-05-07得票数 1
代码
我正在尝试用UCF101单帧数据训练CNN。据我所知，问题要么是权重初始化，要么是tf.nn.softmax and tf.nn.softmax_cross_entropy_with_logits或成本和优化器函数的损失。
还有，有没有办法使用xavier初始化?？
import tensorflow as tf
import numpy as np
import scipy as sci
import cv2
import input_data_conv
import skimage.transform
from skimage import color
# Parameters
浏览 0提问于2016-03-30得票数 1
其他人能告诉我他们花了多长时间在他们的机器上训练模型吗？我从下面的代码中发布了一些日志信息。top显示python的cpu使用率为300%，nvidia-smi昨天显示Volatile GPU-Util为60%，但现在约为30%。30小时前开始训练，现在损失已经在0.10左右振荡了大约15个小时。我可能需要调整梯度下降的截止参数，但我希望代码能够像教程中的爬虫一样运行和收敛。我遵循了教程，他们说
该模型在GPU上训练几个小时内，达到了86%的峰值精度。
>>> head -n20 nohup.out
...
2017-05-14 16:38:21.763013: I
浏览 0提问于2017-05-16得票数 0
回答已采纳
所以我对Tensorflow和GPU非常陌生，我想知道我是否可以将批处理的不同部分提供给不同的GPU，并在最后汇总结果。我的意思是，假设我训练的每一个时期的批次大小是1600，我有4个GPU。在每个训练阶段，我能给每个GPU喂食400次大小的批次，然后汇总结果吗？
浏览 0提问于2018-09-10得票数 0
回答已采纳
我正在训练一个面部表情(愤怒和快乐)的模特。最后的密集输出层以前是1，但当我预测一幅图像时，它的输出总是1，精度为64 %。因此，我将它改为2，用于2输出。但是现在我发现了一个错误：：
Epoch 1/15
---------------------------------------------------------------------------
ValueError Traceback (most recent call last)
<ipython-input-54-9c7272c38dcb> in
浏览 23提问于2020-05-12得票数 48
回答已采纳
Tensorflow版本: Tensorflow 2.1
我想得到与输入有关的梯度，而不是相对于可训练权重的梯度。我将示例从调整为
import tensorflow as tf
import numpy as np
physical_devices = tf.config.experimental.list_physical_devices('GPU')
assert len(physical_devices) > 0, 'Not enough GPU hardware devices available'
tf.config.experimental
浏览 1提问于2020-02-09得票数 0
2回答
我想在每个时代结束时检查self.losses['RMSE']、self.loss['CrossEntropy']和self.loss['OtherLoss']的值。目前，我只能检查总损失的self.loss['total']。
def train_test(self):
def custom_loss(y_true, y_pred):
## (...) Calculate several losses inside this function
self.losses['total&
浏览 0提问于2019-02-27得票数 0
回答已采纳
我有一个带有标签和图像的对象检测模型。我正在尝试使用tensorflow的地图排名标准，https://www.tensorflow.org/ranking/api_docs/python/tfr/keras/metrics/MeanAveragePrecisionMetric。在编译模型时使用该度量，但这是我得到的结果：
Epoch 2/220
92/92 [==============================] - 22s 243ms/step - loss: 0.0027 - mean_average_precision_metric: 0.0000e+00 - val_loss
浏览 0提问于2022-09-06得票数 0
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
腾讯会议
实时音视频活动推荐
腾讯云开发者
