问题标签 [tensorflow-hub]

我正在尝试使用 TensorFlow 中预训练模型的迁移学习 - 使用 Estimator API。模型的细节（层数、神经元等）会改变并且不相关。

get_feature_extractor() 实例化一个 TensorFlow Hub 模块。最终发生的情况是，每次调用 .train_and_evaluate()、.predict() 等都会破坏会话和图形并从头开始，重新加载特征提取器。这需要几秒钟。是否有一种干净的方法可以在这些调用中保留 get_feature_extractor() 的结果并使其保持会话 - 至少对于 .predict() 而言？还是我必须使用较低级别的 API 来实现这一点？

我想复制mobile net v2 96x96层的代码，定义我自己的模型并从零开始训练，我该怎么做？

https://www.tensorflow.org/hub/modules/google/imagenet/mobilenet_v2_100_96/feature_vector/2 https://tfhub.dev/google/imagenet/mobilenet_v2_100_96/feature_vector/2

我想使用 tensorflow hub 为我的图像生成特征，但似乎 Inception Module 的 2048 个特征不足以解决我的问题，因为我的类图像非常相似。所以我决定使用这个模块的一个隐藏层的特性，例如：

“模块/InceptionV3/InceptionV3/Mixed_7c/concat:0”

那么我怎样才能编写一个函数来给我这个？* 8 * 8 * 2048 来自我的输入图像的特征？

如何从冻结的 TensorFlow 图中制作 Op？与 TF Hub 中相同的技巧？

来自 TF Hub的embed () 可以作为自定义操作自由使用，在图中的任何位置。我正在寻找相同的，只是使用我自己的冻结图，而不是 module_url，来自 .pb 文件。在导入的图表末尾添加操作或编辑图表很容易，但是将导入的图表用作自定义操作会更清晰。

我查看了 TF Hub 的实现，但它不是太简洁。而且看起来没有其他示例代码。请问，有人可以给出或指出更好的示例代码吗？

我是 tensorflow 的新手，我正在尝试创建新的图像分类模块，我尝试使用 tensorflow hub 下面的示例。但它没有创建。是创建图像分类模块的任何简单示例

我尝试使用tf hub modules导出模型以进行文本分类，然后使用predictor.from_saved_model()从中推断出单个字符串示例的预测。我看到了一些类似想法的示例，但仍然无法使其适用于使用 tf hub 模块构建功能的情况。这是我所做的：

和输出：

不是serialized_example建议的正确输入serving_input_receiver_fn吗？

在运行以下程序以加载 Universal-sentence-encoder-large/3 时出现以下错误

下面是错误日志

我有一个标准管道，可以在训练一个时期后评估模型。我需要resnet50 在训练时可以微调，所以我像这样实例化：

但是，我在这里读到我应该在评估时取消设置标签。

我意识到我可以保存模型、关闭会话、重置图表、使用 重建模型tags=None并从检查点加载权重以进行评估。这似乎非常浪费，特别是因为 resnet50 导致模型的大小很大，我需要做数百个 epoch 才能获得好的结果。如果没有这个，有没有办法在标签之间交替？

谢谢！

我一直在尝试重新训练通用句子编码器模块（use），但我似乎无法从任何更新/重新训练的模块权重中生成新的嵌入。

我遵循了分类器示例elmo并将其替换为使用模块。分类器工作我似乎无法弄清楚如何访问新模块embeddings。我可以恢复保存的模型，但不确定我实际上是如何调用嵌入函数的？
例如，以前我通过设置路径

但是如何使用恢复的分类器模型进行此调用？请注意，我确实将参数设置trainable=True为与示例教程中一样。

我是否只需进行相同的调用，它就会自动获取已通过分类器再训练训练的新权重？我检查了类似的问题，但大多数都与操纵元图有关。我只想简单地使用新的权重来生成一些新的嵌入，看看它们是否在对其他数据进行微调后有所不同。也许这是不可能的？

任何澄清将不胜感激。

我想在培训和服务中使用集线器，但我有点困惑如何在同一张图上做到这一点。即我有类似的东西

我应该从磁盘重新加载模块吗？因此XXX将是我之前保存它的路径。或者它是否以某种方式保存为内存中的图形对象？

我将我的代码称为