**重要**:请添加您正在开发的语言标记。 TENSORFLOW支持超过一种语言。 TensorFlow是一个用于机器学习和机器智能的开源库。它由Google开发,并于2015年11月成为开源。
我是图像处理的初学者。我有两个二进制类作为子目录,总共有 496 个图像,我对最后一批剩余的 13 个图像有问题。所以,而不是 tf.data...
我正在尝试使用mnist数据集在jupyter中使用tensorflow 2.0构建机器学习代码。数据集取自tensorflow-datasets,但在初始下载期间
我正在尝试使用 Tensorflow 比较不同的学习率衰减。因此,我在 Tensorboard(“事件”选项卡)中可视化成本函数。我的问题是函数的不同图...
Tensorflow(CPU)未在 Debian WSL 上运行
在没有 GPU 的 Debian/WSL2 设置上,我尝试运行以下代码,但它返回错误。我也安装了 Pytorch,希望它能解决一些 TF 错误,但它没有解决谁的问题......
ValueError:只能将“keras.Layer”的实例添加到顺序模型中
ValueError:只能将“keras.Layer”的实例添加到顺序模型中。 收到: (类型 ValueError: Only instances of `keras.Layer` can be added to a Sequential model. Received: <tensorflow_hub.keras_layer.KerasLayer object at 0x7c61f819f590> (of type <class 'tensorflow_hub.keras_layer.KerasLayer'>) 代码: import kagglehub # Download latest version path = kagglehub.model_download("google/mobilenet-v2/tensorFlow2/tf2-preview-feature-vector") mobile_net = hub.KerasLayer("https://tfhub.dev/google/tf2-preview/mobilenet_v2/feature_vector/4", input_shape=(224, 224, 3), # Change as per your input size trainable=False) # Freeze weights if you don't want to fine-tune # Define the Sequential model model = tf.keras.models.Sequential([ mobile_net, # Use the pre-trained model as the first layer tf.keras.layers.Dense(1, activation='sigmoid') # Final layer for binary classification ]) 我想解决问题,但我不能,我需要帮助。 代码在 tensorflow==2.15 和 tensorflow_hub==0.16.1 中运行良好。因此,该错误可能是由于 Keras 3.0 与 TensorFlow 2.17 集成时出现的兼容性问题造成的。考虑使用 tf-keras (Keras 2.0) 可以解决问题,或者使用 Lambda 层来包装 hub.KerasLayer (mobile_net) 确保兼容性并允许您使用 tf.keras.models.Sequential 构建模型。 使用lambda层来包裹hub层 import tensorflow as tf import tensorflow_hub as hub import kagglehub path = kagglehub.model_download("google/mobilenet-v2/tensorFlow2/tf2-preview-feature-vector") mobile_net = hub.KerasLayer( "https://tfhub.dev/google/tf2-preview/mobilenet_v2/feature_vector/4") model = tf.keras.Sequential([ tf.keras.layers.InputLayer(input_shape=(224, 224, 3)), tf.keras.layers.Lambda(lambda x: mobile_net(x)), tf.keras.layers.Dense(1, activation='sigmoid') ]) model.compile(optimizer='adam', loss='binary_crossentropy', metrics=['accuracy']) model.summary() 输出: Model: "sequential_5" ┏━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━┳━━━━━━━━━━━━━━━━━━━━━━━━━━━━━┳━━━━━━━━━━━━━━━━━┓ ┃ Layer (type) ┃ Output Shape ┃ Param # ┃ ┡━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━╇━━━━━━━━━━━━━━━━━━━━━━━━━━━━━╇━━━━━━━━━━━━━━━━━┩ │ lambda_2 (Lambda) │ (None, 1280) │ 0 │ ├──────────────────────────────────────┼─────────────────────────────┼─────────────────┤ │ dense_5 (Dense) │ (None, 1) │ 1,281 │ └──────────────────────────────────────┴─────────────────────────────┴─────────────────┘ Total params: 1,281 (5.00 KB) Trainable params: 1,281 (5.00 KB) Non-trainable params: 0 (0.00 B) 请参阅此要点和文档了解更多详细信息。
TensorFlow 中的 Conv2D(32, (3, 3) 是什么意思?
在张量流教程页面 (https://www.tensorflow.org/tutorials/images/cnn) 的 CNN 图像分类示例中, 有一个代码是这样的 model.add(layers.Conv2D(32, (3, 3),
获取中间层(Functional API)的输出并在SubClassed API中使用
在keras文档中,它说如果我们想要选择模型的中间层的输出(顺序的和功能的),我们需要执行以下操作: model = ... # 创建原始模型
我有一个模型,其输入(带有形状(高度、宽度、时间)的图像批次)具有动态大小的维度(时间),仅在运行时确定。然而,Dense 层需要 f...
tensorflow-gpu 安装错误 T.T python:3.10 tensorflow: 2.11.0 CUDA 10.1 cuDNN 8.0.3
C:\Users\CITADEL>pip install tensorflow-gpu 收集tensorflow-gpu 使用缓存的tensorflow-gpu-2.12.0.tar.gz (2.6 kB) 准备元数据(setup.py)...完成 已满足要求:
Tensorflow:精度在 0.75 左右,但损失不低于 0.5
我已经用Python实现了FCNN。 我的数据库由大约 5000 场足球比赛组成,具有以下特征:射门、角球、红牌、犯规、创造的绝佳机会、传球、传中和扑救。 我的欧...
类型错误:__init__() 得到了意外的关键字参数“元类”
当我在 pycharm 中使用 python 3.9 并尝试导入包时,出现错误。 运行到第二行代码后出现问题: 将张量流导入为 tf 从tensorflow.keras.models导入
我的深度学习架构也接受大小为 512 的输入向量和大小为 512 的输出向量。 问题是我的 X_data 版本与相同的 y_data 配对。 我有这些张量...
Tensorflow 中的多 GPU 训练在 Nans 中得到结果
我正在尝试使用多个GPU进行训练,但是几步之后损失总是Nan。如果我使用单个 GPU,那就没问题了。下面显示了一个虚拟脚本,经过几个步骤后会产生 nan....
我正在开发一个浅层神经网络,可用于读取云计算环境的输入配置并确定其是否节能。我已经转动了测量...
因此,我正在训练 400 个图像数据集标签,其中包含大约 900 张图像,这些图像分为 80% 的训练和 20% 的验证。我在这里遵循张量流的指南(https://www.tensorflow.org/
使用 SSD 和 mobilenetv2 进行对象检测时“目标”和“输出形状”不匹配
我尝试使用 ssd 和 mobilenetv2 训练自定义对象检测模型,尽管 ssd_loss 函数似乎与模型的输出形状不匹配。我该如何解决它? 模型准备 导入张量...
总参数:0,在执行 model.summary() keras 时
模型 = 顺序() model.add(嵌入(283, 100, input_length=56)) 模型.add(LSTM(150)) 模型.add(LSTM(150)) model.add(密集(283,激活='softmax')) model.compile(loss='categorical_crossentr...
为什么我在使用 Keras 3 API 运行此 CNN 代码中的 fit 方法时不断收到无法识别的数据类型?
我正在学习在线课程,并在 python 3.11 中运行以下代码,以使用 Keras 3.6 和 TensorFlow 2.18 构建用于图像分类的 CNN: # 卷积神经网络 导入
我正在重新训练 GPT2 语言模型,并正在关注此博客: https://towardsdatascience.com/train-gpt-2-in-your-own-language-fc6ad4d60171 在这里,他们在 GPT2 上训练了一个网络,而我是
我在我的项目中使用 OpenPose 模型的 tf 实现。 从 models/graph/mobilenet_thin 目录中,我尝试通过将 graph.pb 文件加载到张量流中来使用 tf.saved_...