问题标签 [tensorflow-hub]

我有一个 TensorFlow 2 模型，其中包含来自 TensorFlow Hub 的预训练 Keras 层。我想微调这个子模型中的权重以适合我的数据集，但如果我通过设置trainable=Trueand天真地做到这一点training=True，我的模型将严重过度拟合。

如果我控制了底层模型的实际层，我会在这些单独的层上插入 dropout 层或设置 L2 系数。KerasLayer但是这些层是使用 TensorFlow Hub方法导入我的网络的。另外，我怀疑底层模型非常复杂。

我想知道解决此类问题的标准做法是什么。

也许有一种方法可以以某种方式强制对整个网络进行正则化？我知道在 TensorFlow 1 中，有类似的优化器ProximalAdagradOptimizer采用 L2 系数。在 TensorFlow 2 中，像这样的唯一优化器是FTRL，但我很难让它适用于我的数据集。

当使用 TensorFlow 1.x 和 TensorFlow hub 时，我们可以加载模块的规范来检查预期的输出形状（可能还有其他有用的规范！），如下所示：

当尝试对兼容 TF 2.0 的集线器模块执行相同操作时，我在调用时遇到以下错误消息load_module_spec：

缺少支持的实现：loader(*('/tmp/tfhub_modules/82c4aaf4250ffb09088bd48368ee7fd00e5464fe',), **{})

是否有其他方法可以检查 TF 2.0 集线器模块的输出形状？

当我尝试使用 tensorflow 重新训练模型时，它显示错误：

代码是：

错误是这样的：

通过使用 tensorflow 集线器通过添加新的 dence 全连接层来重新训练以前的集线器模型。运行代码时，它显示上述错误。是否有任何想法。请帮助

How to Retrain an Image Classifier for New Categories中描述的脚本 retrain.py运行为

并生成了输出文件/tmp/output_graph.pb。将其转换为

失败了

IOError：SavedModel 文件不存在于：/tmp/output_graph.pb/{saved_model.pbtxt|saved_model.pb}

如果文件output_graph.pb被重命名为saved_model.pb（@edkeveked），错误变为

RuntimeError：在 SavedModel 中找不到与标签“serve”关联的 MetaGraphDef。要检查 SavedModel 中的可用标签集，请使用 SavedModel CLI：saved_model_cli

saved_model_cli show --dir .报告一个空的标签集。

如何解决这个问题？

我有一个 TensorflowDatasetV1Adapter对象形式的数据集。

如您所见，它包含一个带有和OrderedDict键的对象。后者基本上很重要，因为它包含我希望使用句子嵌入将其转换为向量的文本字符串。labelssnippets

为此，我决定使用来自 tensorflow hub的Universal Sentence Encoder (USE)。它基本上接受一个句子列表作为输入，并将输出一个长度为 512 的向量作为其输出。需要注意的一件事是，如果启用了急切执行，则无法执行 tensorflow hub。因此，我们必须定义一个会话才能将 USE 与 tensorflow hub 一起使用。

但是，我希望使用maptensorflow 提供的。但问题是我应该如何定义一个在其中包含 tensorflow 会话的函数？并且要使用该函数并将其映射到数据集上，我是否需要定义另一个 tensorflow 会话？

我的第一种方法是真正做到这一点。具体来说，通过定义一个包含 tensorflow 会话的函数。然后，启动一个新的 tensorflow 会话并尝试将函数映射到该会话中的该数据集。

请注意，我在会话之外定义了 USE 句子嵌入模型。

但我最后得到了这个错误

或者，我尝试在 tensorflow 会话中定义函数，就像这样

但这没有用，我仍然遇到同样的错误。在做了一些搜索之后，我偶然发现了这篇文章和这篇文章，说我必须定义 atf.Graph并在会话中传递它。

然而，我仍然收到同样的错误。我还尝试在会话中定义 USE ，但仍然导致相同的错误。

从那里开始，我对如何做到这一点感到很困惑。有人对我错过的东西有任何想法吗？提前致谢。

我正在尝试在新图像集上重新训练 inception v3。

当我尝试保存模型时，我收到一个错误。

我努力了：

和

和

都给我一个类似的错误，Module has no ' name '

我附上了与问题相关的代码。

这应该保存一个“.h5”模型文件，但我收到一个命名错误：

我想以 tf_hub 模型的格式保存模型。

我正在研究这个 colab 笔记本：

https://colab.research.google.com/github/tensorflow/hub/blob/master/examples/colab/tf2_text_classification.ipynb

我想用 ELMo 嵌入替换 gnews 旋转嵌入。

所以，更换

和：

这里有一连串的变化，比如需要

但我不了解成功进行此替换所需的图形形状。具体来说，我看到了。

生产

这似乎很好。但：

然后这给出：

图表尺寸还有什么变化，我该如何解决？

我正在尝试将 tensorflow hub 中的 Elmo 与 tf.keras 一起使用来执行 NER。训练很好，损失在减少，测试集也给出了很好的结果。但我无法预测，因为我收到以下错误：

256 是我在训练期间的批量大小。我试图只预测一句话。

我试图在互联网上搜索很多，但一切都在风向标。任何帮助深表感谢。如果我重复我的向量 256 次并在预测期间将 batch_size 设置为 256，我绝对可以得到预测。但正如您所见，这是一种非常低效的解决方法。

这是自定义图层的代码

这是我的模型架构： 模型架构

我正在尝试使用 Google Colab 构建用于 Google Coral 设备的模型。为此，我需要冻结图表，然后将其转换为 TfLite。我可以使用教程成功创建模型并对其进行测试，但我无法弄清楚如何冻结图形。在教程结束时，模型以 Saved_Model 格式保存。我的 Google Colab 笔记本可在此处找到：https ://drive.google.com/file/d/1F6wvz4yUp6Iz2hY3n7bQYnYBJe7H5JUE/view?usp=sharing

我尝试了在网上找到的各种代码示例，但都以错误告终。目前我正在尝试使用此代码来冻结图形

但我得到了错误：

它还提到了这个错误

我正在尝试将现有的冻结 Tensorflow 模型转换为用于图像分类迁移学习的 tensorflow_hub 模块，转换没有错误，但新模块的推理精度很低，只有 40%~50%，我是什么在这里失踪？

我正在使用来自 Tensorflow-hub git 存储库的图像分类转移学习示例代码“retrain.py”。“retrain.py”脚本使用 Tensorflow-hub 模块作为输入，所以我从“ http://download.tensorflow.org/models/mobilenet_v1_2018_02_22/mobilenet_v1_1.0_224.tgz ”下载了一个冻结的预训练模型，并且将其转换为集线器模块，然后将此新模块用作重新训练脚本的输入。我的设置是 ubuntu14.04、python2.7、Tensorflow-1.12 和 Tensorflow-hub-0.4.0。