问题标签 [tensorflow1.15]

目前我有一个工作模型定义为

我想在这个模型的输出中添加一个函数，以便模型接受 [y1,y2] 并返回一个张量元组

当我尝试将模型重新定义为

我在尝试运行 model.predict(input_data) 时看到以下错误

使用张量流==1.15.4

我正在尝试向我的 keras 模型（y1，y2）的输出添加一个函数（有趣）以创建另一个 keras 模型

这是导致上述错误的代码：

模型已经 y1,y2 对应这个函数中的 y1,y2 ：https ://github.com/qqwweee/keras-yolo3/blob/master/yolo3/model.py#L89

假设在此模型上运行 predict_on_batch 时我的输入批量大小中有 4 个样本，我循环了 4 次。我仍然必须想办法为 y1.shape[0] 或 y2.shape[0] 放置占位符

以下是完整的错误日志：

我面临的问题是我试图将一个函数应用于 keras 模型的模型输出中的每个样本，而不知道批量大小是多少。

为了进一步阐述这一点，我正在创建一个模型，我将在该模型上使用 predict_on_batch。假设模型看起来像 model = tf.keras.Model(x,y)。y = (batch_size, output_shape) 的形状，我正在尝试将函数应用于 batch_size 中每个样本的输出，并将其作为模型输出返回

我使用tensorflow 1.15深度学习对点云进行语义分割。由于每个训练图块中有不同数量的点，我从该图块中随机选择 1.024 来为我的深度学习模型获得统一数量的点。但是，在测试时，我想使用所有点来预测。为了解决这个问题，我使用 bin 来组织点云。

我用来BIN_EDGES将我的点云上采样到所需的点数。例如，如果一个点云有 2244 个点，它会被上采样（随机重复）到下一个更大的 bin_edge，在这种情况下为 3000。

使用这种方法，我需要为每个 bin 边缘设置 1 个模型，并且预测效果很好。由于在我的情况下，过多的随机重复会导致性能下降，因此我想使用超过 10 个 bin 边缘。但是，如果我将 bin 边缘的数量增加到 100 甚至 1000，则该过程会变得非常缓慢。

这是我的问题的代码。不幸的是，我无法提供一个最低限度的工作示例，因为我的项目很大。

有谁知道为什么会这样？这sess.run()是对于大量 bin 边缘需要很长时间的步骤。我真的不能说，因为每个文件只使用一个创建的模型。

这是我用来编译代码的损失函数：

正在使用的模型主体是：https ://github.com/qqwweee/keras-yolo3/blob/master/yolo3/model.py#L89

调用 model.train_on_batch 时出现此错误 当我用类似的东西替换损失函数时，此错误得到缓解

因此，这让我认为损失函数会导致此错误

注：模型编译为：

我的模型有两个输出层我正在使用它来编译模型

MyLoss 是一个类，它有一个 call(y_true,y_pred) 函数，而且 MyLoss在它调用的地方有initsuper().__init__(name=name)

我正在尝试使用加载此保存的模型

tf.keras.models.load_model(path, custom_objects={"MyLoss": MyLoss, "my_loss1": MyLoss, "my_loss2": MyLoss})

但是当我这样做时，我看到了错误ValueError: Unknown loss function:auto

我还没有定义自动损失函数

我有一个具有两个输出层的模型，并且该模型已编译

如何定义这些将出现在 model.metric_names 中的指标的名称

我安装了 TensorFlow_gpu_1_15_0 版本，它工作正常。我使用以下命令进行测试：

但是当我尝试用 c++ 编译一个预制文件时，我得到了一系列错误，例如：

和其他错误。
任何帮助或参考都会有所帮助。谢谢

我有一个使用 Tensorflow 1.x 编写和保存的 CNN + RNN + CTC 模型。现在我想从这个保存的模型中获取最后一个 CNN 层的输出。可能吗？如果是，那么请分享一些资源。

使用 saver.save() 保存模型

我正在创建一个使用自定义损失和自定义指标函数编译的 tf.keras.model。我使用 x=input_batch 和 y=someFunction(targets) 在模型上调用 train_on_batch

自定义损失和自定义指标函数的签名看起来像 methodname(y_true,y_pred) 这里 y_true 是由 someFunction(targets) 提供的

有没有办法在自定义指标函数和自定义损失函数中获取目标，而不是在 train_on_batch 中传递的修改后的目标