问题标签 [tensorflow1.15]

我有一个 python 脚本，我在 AWS sagemaker 实例中使用 tensorflow python 3.6 AWS sagemaker jupyter notebook 编写。我必须为我的深度学习模型使用 sagemaker 调试器。我可以看到许多链接建议首先对算法图像进行 dockerise，然后在 sagemaker 上使用它。谁能建议是否有任何可用的替代方案，例如 Tensorflow-1 docker 映像可用，我可以通过 pip 在此映像中包含一些其他包，然后在 sagemaker 上运行我的模型？我正在使用带有 tensorflow 1.15 的 keras 2.3.0。请指导和分享必要的参考资料。

我想计算两个正弦波的 NSynth WaveNet 编码之间的距离梯度。这是张量流 v1。

我正在使用基于https://github.com/magenta/magenta/blob/master/magenta/models/nsynth/wavenet/fastgen.py的代码

我的错误的一个最小示例在这个 colab 笔记本中：https ://colab.research.google.com/drive/1oTEU8QAaOs0K1A0KHrAdt7kA7MkadNDr?usp=sharing

这是代码：

我要评估的最后一个块出现以下错误：

我相信我需要定义要在这个块中执行的操作。但是，我使用的是一个预训练模型，我只是计算距离，所以我不确定如何在该块中定义执行。

将帮助我修复最后一个块的倒数第二个块给出以下错误：

谢谢你。

我需要优化旧版 tensorflow 模型，我正在关注这篇博客文章：https : //medium.com/google-cloud/optimizing-tensorflow-models-for-serving-959080e9ddbf（我首先尝试了 tensorflow lite转换器没有成功）。

博客文章中的步骤有效，除了最后一个，将优化的 Graph 转换回 SavedModel 格式。经过一些实验，我最终得到了这个功能：

这将正确创建 SavedModel 文件。

然后进行预测，遗留代码使用

其中 feed_dict 包含数据。

在这一点上，但是我收到以下错误：

我使用 python 3.7 和 tensorflow 1.15。

有人可以帮忙吗？

我使用以下命令将没有 Keras 的 TensorFlow 1 模型转换为 TFLite：

输出保存成功，但是使用模型进行预测时，输出与常规TensorFlow模型的输出完全不同。这是我在 Python 中运行推理的方式：

安慰：

输出似乎是输入信号的副本或随机噪声。

我很感激帮助解决这个问题。

[更新]：我也尝试了先将图形冻结为pb文件的方法，但得到了相同的结果。

我正在尝试使用 Cifar10 数据集为图像分类实现简单的逻辑回归。我只被允许使用 TensorFlow 1.x 进行训练。（我被允许使用 Keras 和其他库来操作数据）

我的问题是我建立的模型没有学习......所有时期的测试和训练的准确性都给出了 0.1 的值。

我认为在发送到模型之前操纵数据本身存在一些问题，我很乐意帮助理解为什么模型没有学习。

代码：

运行模型给出以下结果：

提前致谢！

我试图从加载的张量流模型中做出预测。虽然我不确定我之前保存它的方式是否正确，但特别是我对serving_input_fn()函数内部的代码（MAX_SEQ_LENGTH=128）有疑问：

当我尝试从加载的模型中进行预测时：

它返回此错误：

ValueError：无法为张量“input_example_tensor：0”提供形状（）的值，其形状为“（？，）”

我应该如何更改 serving_input_fn() 方法？

如果你想重现它：github_repo （你应该从这里下载变量并将它放在trained_model/1608370941/文件夹中）

这是我在谷歌云 TPU 上微调 BERT 模型的教程。

我想在 TensorFlow 中使用具有不同输入的相同计算图。不幸的是，我没有编写模型函数，我想尽可能避免修改它。

我正在编写一个联邦学习算法，我想在n 个不同的数据集上训练相同的模型，而不需要n 个客户端，所以我计划使用单个计算图和不同的输入。

我计划这样做：

我曾希望 client_model 能够重用所有共享变量。

• 我可以确认它没有tf.global_variables()。
• 我也知道如果model_fn()used tf.get_variable()，这会起作用，但它不会。

我如何在 TensorFlow 中做到这一点而不修改model_fn（否则我只会使用这个答案）？

很长一段时间以来，我一直面临着这个错误。我尝试了互联网上所有可能的解决方案。我正在为我的项目使用 tensorflow 1.14.0 并面临此错误。项目日期到期。请帮忙。我的 PC 规格：i5/8gb 内存/内置显卡

我需要一些python在c++中的实现。由于 c++ 的复杂性，我无法弄清楚如何以一种简单快捷的方式实现它。

注意：我可以使用 Eigen 线性代数库在 C++ 中实现，由于时间限制，我现在不能这样做。

所以我的问题是，是否有可能实现相同的实现，特别是在以下链接体素化实现中的 numpy 部分使用tensorflow c++ API 中的 numpy 或者我可以使用 tensorflow python 实现并为上述实现创建计算图并链接每个处理图的输出到模型图作为在硬件上使用的输入？

上述问题的用例：

我有一个使用激光雷达点云进行对象检测的神经网络模型。在模型中，作者正在对图外的数据进行每次处理。由于我需要在 C++ 中提供最终模型，因此我想在 tensorflow C++ API 中实现每个处理步骤。但是在网上做了一些研究之后，我知道 tensorflow c++ api 并不像 tensorflow python API 那样支持所有的线性代数运算（我的一位同事告诉我这个）。

任何建议都非常受欢迎。

提前致谢

我必须使用 tensorflow 1.15 并且需要一个自定义层。一个非常简单的层可以如下所示：

如果我在任何架构中使用这个虚拟层，变量 cnt 只设置为两个。我错过了什么？

这是一个非常简单的虚拟脚本来展示我的问题：

我的假设是它类似于 32,32*100 或类似的东西。