问题标签 [sess.run]

有没有人为无监督学习问题训练过小批量数据？feed_dict 使用标签并处于无监督设置中。你如何克服它？我们可以使用对损失函数没有贡献的假标签吗？

基本上，我想遍历我的庞大数据集，然后优化自定义损失函数。但是，当明确使用数据中的新小批量时，我无法弄清楚如何保留我的训练参数（权重）。

例如，整个数据集为 6000 个点，小批量大小为 600。目前，对于每个小批量，我只能使用新的独立权重参数，因为权重是根据来自该小批量的数据点进行初始化的。当我们优化第一批 600 个数据点的损失时，我们得到了一些优化的权重。如何使用这些权重来优化下一批 600 个数据点等等。问题是我们不能使用共享的全局变量。

我在 stackoverflow 论坛上进行了研究，但找不到与无监督数据上的小批量相关的任何内容。

'f' 是我的整个数据集，说 N 个点的文本数据，维度为 D U 是集群质心，再次是维度为 D 的 K 个集群

我将我的变量定义如下：

然后我将自定义损失或目标函数定义为“目标”

接下来我使用优化器

最后，我将变量评估为

我坚持的事情是迭代我的数据“f”批次，这些数据最终用于优化器 train_W。如果我对这些小批量有一个 for 循环，我将为每个迭代分配一个新变量 train_W。我怎样才能传递这个值，以便它可以在下一个小批量中使用？

在这方面的任何帮助或指示将不胜感激。提前致谢！

在名为“Learning TensorFlow. A Guide to Building Deep Learning Systems (Tom Hope, Yehezkel S. Reshe 和 Itay Lieder)”的书的指导下，我正在尝试使用 word2vec 方法实现简单的 RNN 网络。

在第 101 页（第 6 章，文本 II：词向量、高级 RNN 和嵌入可视化）作者给出了 RNN 实现的示例（下面的代码），但在 sess.run 方法中我得到了TypeError: 'NoneType' object is not iterable

环境：

• Docker（客户端：17.06.0-ce，服务器：17.06.0-ce）
• Jupyter 4.3.0
• 康达 4.3.30
• Python 3.6.1
• 张量流 1.4.0
• Numpy 1.12.1

--

结果

但在 sess.run 之前print(y_batch)给我们（如书中）

我应该怎么做才能正确运行这个例子？

Tensorflow 对象检测模块的 sess.run() 函数需要大约 2.5 秒来检测 600x600 图像中的边界边界。如何加快此代码的速度？

我一直在研究《Tensor flow for Dummies》这本书，有一段代码可以恢复之前存储的变量

使用 tf.Session() 作为 sess：

在这里，变量被定义为文本名称为“x_result”，但是在最后一行中，我们通过“x_result:0”调用变量，“:0”是什么意思。此外，当我删除“：0”时，我没有得到所需的结果。请帮助我了解 ':0' 的所有用途

我想获得卷积神经网络中特定输入的中间张量的值。我知道如何在 keras 中做到这一点，即使我已经使用 keras 训练了模型，我将继续使用 tensorflow 构建和训练模型。因此，我想摆脱K.function(input_layer, output_layer)相当简单的东西，而是使用 tensorflow。我相信我应该使用占位符值，例如以下方法：

但是，我收到以下错误消息sess.run()：Invalid argument: You must feed a value for placeholder tensor 'conv2d_2_input' with dtype float and shape [?,28,28,1]. 我不确定为什么会收到此消息，因为用于的图像feed_dict是 float 类型，并且我认为是正确的形状。将建议任何帮助。

我正在尝试优化 GPT2 的推理时间。在 Google Colab 上调用脚本后生成样本的当前时间为 55 秒。我输入了时间戳以尝试找出瓶颈在哪里。这是代码：

线

是复杂性所在。有没有人有办法改进这段代码？太感谢了！