问题标签 [eager-execution]

在 tensorflow 2 中，不再支持获取和分配。可以按照https://stackoverflow.com/a/47081613/9949099中提供的答案在自定义 keras 回调中访问 tf 1.x 中的批处理结果 在 tf.keras 和 tf 2.0 下急切执行获取不支持，因此为 tf 1.x 提供的解决方案不起作用。有没有办法在 tf.keras 自定义回调的 on_batch_end 回调中获取 y_true 和 y_pred？

我试图修改在 tf.1 中工作的答案，如下所示

当我运行上面的代码时，代码失败，访问 self.model._targets[0] 或 self.model.outputs[0] 中的数据显然是不可能的

我偶然发现了一些奇怪的张量流行为。在 tf.print 无处不在之后，它导致我出现以下代码所示的原因，但不知道为什么会发生这种情况，除非线程竞争条件或图形构造省略了代码段。看不到它们中的任何一个都应该发生。

这是打印跟踪的一部分：

如图所示，if tf.equal(n_rows[i], 0): # Tried n_rows[i] == 0 too条件块从未被调用。即使满足相等条件，它也每次都落入“其他”条件。谁能提示我出了什么问题？顺便说一句，调试 tensorflow 运行时也很困难。一旦图形执行运行，VSCode 中的断点就没有命中。tfdbg 也不适用于急切执行。对此的建议对我也非常有益。

我的开发环境：

• 操作系统：Ubuntu18.04
• 蟒蛇：3.6
• 张量流GPU：1.14
• 显卡：RTX2070
• 库达：10.1
• cudnn: 7.6
• IDE：VS 代码
• TensorFlow 模式：渴望执行

提前致谢

在 TensorFlow 2 中，Eager Execution 是默认执行。不需要烦人的会话或占位符。

Stack Overflow 上有很多与 , 等相关的问题name_scope，variable_scope比如variable_scope 和 name_scope 有什么区别？, tensorflow中名称范围和变量范围有什么区别？, variable_scope 和 name_scope 的实际区别是什么？以及为什么我们使用 tf.name_scope()，因为人们不明白这些函数背后的想法及其目的是可以理解的。本质上，这些函数用于命名底层计算图中的变量。

variable_scope,name_scope等在 TensorFlow 2 中是否有任何目的或用途以及急切执行？如果是这样，你能举个例子吗？

我正在Dataset使用该from_generator函数创建一个张量流。在图形/会话模式下，它工作正常：

然而，令人惊讶的是，它使用急切执行失败了：

我假设，由于生成器的主体是没有序列化的纯 python，所以 tensorflow 不会查看 - 实际上不在乎 - 生成器中的内容。但显然情况并非如此。那么为什么 tensorflow 会关心生成器内部的内容呢？假设无法更改生成器，有没有办法以某种方式解决这个问题？

我想使用 TF2 的急切执行以“pythonic”方式构建损失，但即使在急切模式下，Keras 也会传递非急切张量。

代码：

如果我y_true在conditional_lossTF 中打印会打印一个非急切的张量。

如果我自己构建，我keras.Model()可以使用参数调用它dynamic=True以启用急切执行。（参考）。有办法做到keras.Sequential()吗？

大约一个月前，我在 Google Colab 中成功运行了一个神经风格迁移笔记本教程。但是，本周我无法成功运行完全相同的笔记本，并显示以下错误消息：AttributeError: module 'tensorflow.contrib.eager' has no attribute 'Variable'。

我检查了 Google Colab 中的 Notebook 使用的是 TensorFlow 1.15，当我检查 API 文档时，变量方法存在：https ://www.tensorflow.org/versions/r1.15/api_docs/python/tf/contrib/急切/变量

此错误消息的原因是什么？

我正在使用通过 pip 在 ubuntu 18.04 框中安装的 TF2

我正在玩自定义图层。

我想调试/检查Attention.call()函数，但是当在函数内设置断点时我无法获取张量值。

在我开始 .fit() 之前，我可以验证急切执行是否已启用

但在 Attention.call() 函数内部，急切执行被禁用

在 call() 执行期间急切执行的任何原因是错误的？如何启用它？

所以这个问题可能源于对 tensorflow 缺乏了解。但我正在尝试构建一个多层感知器tensorflow 2.0，但没有Keras。

原因是我的机器学习课程要求我们不使用 keras。为什么你可能会问？我不知道。

我已经tensorflow 2.0用 Keras 轻松实现了我们的模型，现在我想在没有keras.

这是我的问题。每当我在 上查找文档时Tensorflow 2.0，甚至自定义培训指南都在使用 Keras。

据我了解，占位符和会话已成为过去tensorflow 2.0，因此我有点不确定如何构建它。

我可以制作张量对象。我的印象是我需要使用 Eager Execution 并使用渐变胶带。但我仍然不确定如何将这些东西放在一起。

现在我的问题是。我应该从哪里获得更好的理解？哪个方向下降最大？

请告诉我我是否做错了这个堆栈溢出帖子。这是我第一次来这里。

我正在尝试使用 TF 2.0。我想记录我的神经网络的梯度和权重范数。为此，我使用以下代码。

这是训练循环：

问题： 运行脚本时，输出层的梯度范数得到相同的值，但双向层的范数（bi_lstm）得到不同的值

这是输出：

我在这里想念什么？

提前致谢

在此处的示例中，它提到可以将类 tf.keras.Model 子类化，如下所示：

但是，如果我想拥有可变数量的层和可变类型的层怎么办？如何将我的图层对象存储在我的类对象中？

据我了解，我在上面的示例中为属性（dense1，dense2）命名的名称很重要，因为在保存到检查点等时，它将用于引用这些层及其变量？那是对的吗？

我的问题基本上是：如果我不知道我有多少可用的图层，如何将我的图层存储在我的 tf.keras.Model 子类中？然后如何保存和恢复这些层的权重？

我的第一个想法是拥有图层对象的列表，但是对我来说如何保存和恢复这些图层权重并不明显，因为它们不会对应于不同的属性名称。