问题标签 [tensorflow1.15]

我的字段是一个列表字符串，例如["female","male","0"]，如果我使用

发生错误：

如果我转use_quote_delim=True，它将["female","male","0"]被视为一个字符串，而不是一个列表。

如何解决问题？

我有一项任务必须使用 Adam 优化器快速运行 N 个并行简单优化。我一直在使用 tensorflow 1.x 进行此操作，但尝试将所有内容更新到 2.x 或现代 pytorch 会导致行为慢得多。

我在 tensorflow 1.x 2.x 和 pytorch 中构建了最小的（至少在我的能力范围内）示例，这些示例都在 cpu 上。 https://gist.github.com/gftabor/abeb108fc9aa8b1c799bfc63287c2e5f

如您所见，tensorflow 2.x 的耗时大约是 tensorflow 1.x 的 8 倍。Pytorch 类似于 tf 2.x。

我认为问题是动态图执行，所以这是我挖得最多的兔子洞，但我关心的只是性能。

兔子洞

我一直在尝试通过使用 tf.function 和 torch.jit.script 功能静态构建图表来匹配 Tensorflow 1.x 的性能。它们似乎都没有给我几乎 Tensorflow 1.x 的表现力，而且它们似乎都没有与 Tensorflow 1.x 的性能相匹配，在我的问题上，我可以构建到静态图中的部分只是前向 + 损失函数而不是一个完整的亚当优化步骤。在使用 Tensorflow 1.x 时，我可以将这些完整的亚当优化步骤中的 N 个并行构建为单个静态图，并快速将数据传递给它。

声称 使用现代 Tensorflow 或 pytorch 库中的任何一个，似乎都不可能达到 Tensorflow 1.x 的一半速度，这使得更新非常没有吸引力。

有没有一种方法可以在我缺少的 Tensorflow 2.x 或 pytorch 中获得大幅加速？

我需要在 tensorflow1 中实现一个 VaR/CVaR 类，以便在 tf1 中编码的模型上使用它。我已经在pytorch中实现了它，但是我对tensorflow1不熟悉，我想寻求一些帮助。熟悉 tf1 的人可以帮帮我吗？下面是我在 pytorch 中的 VaR/CVaR 实现。先感谢您。

我需要在 tensorflow1 中实现一个 VaR/CVaR 类。我已经在pytorch中实现了它，但是我对tensorflow1不熟悉，我想寻求一些帮助。熟悉 tf1 的人可以帮帮我吗？下面是我在 pytorch 中的 VaR/CVaR 实现。先感谢您。

我正在使用 tensorflow 1.15，需要将数据集转换为 numpy。

不幸的是，我无法转换为 tf 2.0，这将使我的生活更轻松（由于 as_numpy_iterator 方法）。

有任何想法吗？谢谢！

为了使 tf1 代码与 tf2 兼容，使用了该tf.compat.v1模块。
我想阅读这个文件中的代码。但是，我无法在他们的 git 上找到“v1”。

我正在尝试在启用了急切执行tf.train.AdamOptimizer.minimize()的 Tensorflow 版本上优化损失函数（使用证据下限定义）。1.15.2我尝试了以下方法：

并得到以下信息：RuntimeError: "loss" passed to Optimizer.compute_gradients should be a function when eager execution is enabled.

如果我禁用急切执行，这很好用，但是因为我需要将 tensorflow 变量保存为numpy数组，所以我需要启用急切执行。文档提到，当启用急切执行时，损失必须是可调用的。因此，损失函数应该以不接受输入但给出损失的方式定义。我不确定如何实现这样的目标。

我试过train_op = optim.minimize(lambda: loss)但得到了ValueError: No gradients provided for any variable, check your graph for ops that do not support gradients, between variables [] and loss <function <lambda> at 0x7f3c67a93b00>

我想得到一个功能padded_concat(padded_tensor_A, padded_tensorB)：

padded_tensor_A并且padded_tensor_B具有相同的形状 ( batch_size, max_seq_length)

我想要得到的是：

padded_tensor_A：

padded_concat

padded_tensor_B：

得到

我的机器有 2 个 GPU，一个 GTX 1070 和一个 GTX 3080。

我有一个带有 tensorflow 1.15 及其所有相关依赖项（CUDA 10、CuDnn 7.6 等）的 conda 环境。当调用我的基于 tensorflow 的训练脚本进行训练时，我得到

但是，当我尝试在 GTX 3080 上进行训练时

显卡信息：

谁能解释为什么在 GTX 3080 上训练失败？

mayapy pip install tensorflow我使用然后尝试安装了 TensorFlow import tensorflow as tf，但 Maya 在此调用时崩溃：

完整的崩溃日志：https : //pastebin.com/yVimvEJa 我错过了任何库吗？

测试：Python：2.7 Maya 2020 Linux CentOS7 Tensorflow 1.14