问题标签 [tensorflow2]

我已经从 Google下载了一个用于 Tensorflow.js (tfjs) 的预训练 PoseNet 模型，因此它是一个json文件。

但是，我想在 Android 上使用它，所以我需要.tflite模型。尽管有人在这里将一个类似的模型从 tfjs 移植到了 tflite ，但我不知道他们转换的是什么模型（PoseNet 有很多变体）。我想自己做这些步骤。另外，我不想运行一些有人上传到 stackOverflow 文件中的任意代码：

注意：小心不受信任的代码——TensorFlow 模型就是代码。有关详细信息，请参阅安全使用 TensorFlow。张量流文档

有谁知道任何方便的方法来做到这一点？

当我在 tf2.x 中使用带有 keras 的 tfrecord 时，它只读取第一批进行训练，我如何读取剩余的 tfrecord 数据

modelstf.keras API 中有多余的吗？在某些情况下，即使不使用models，代码也运行良好。

1. keras.models.sequential和keras.sequential
2. tf.keras.models.Model和tf.keras.Model

然而，有时，models似乎是必要的。例如，
model = keras.models.load_model()，但model = keras.Model没有.load_model()功能。因为.load_model()定义在tf.keras.Model.

我发现它非常混乱和半冗余。任何人都可以解释什么是重点models，什么时候有必要？

我在 TensorFlow 2 中遇到了一个我不完全理解的AdditiveAttention()层错误（即Bahdanau Attention）。Question我想用一个在两个和数据集上训练的 seq2seq 注意力模型来训练一个聊天机器人Answer。

当我尝试将注意力层添加到模型时，我遇到的错误代表了我的问题。这是我的构建功能：

当我运行该功能时：

我收到以下错误：

TypeError: 'AdditiveAttention' object is not iterable

有人可以帮助我理解错误，并正确实现 Attentional seq2seq 模型吗？

我已经用一些数据训练了一个深度学习模型，它在测试数据上表现良好。现在，当我获得新数据时如何重新训练这个模型？

我一直在 keras，tensorflow 1 中使用自定义数据生成器，

效果很好。现在，当我切换到 tensorflow2 时，我发现不再支持 multi_gpu_model(model)。

正如文档中所建议的那样，我切换到 tf.distribute.MirroredStrategy()，因为我在具有 4 个 GPU 的无头服务器上运行。我还将生成器（'training_generator'）切换为 tf.data.Dataset 格式：

但是如何让它与多个线程一起运行呢？这是我尝试过的（都来自这里：https ://medium.com/@nimatajbakhsh/building-multi-threaded-custom-data-pipelines-for-tensorflow-f76e9b1a32f5 ）：

1. 用“地图”包裹它。这可行，但仍然在单线程中运行，因为我的 CPU 没有完全加载并且 GPU 正在挨饿。

train_dataset = train_ds.map(lambda x,y: (x,y), num_parallel_calls=workers)

2. 使用“交错”

generators = tf.data.Dataset.from_tensor_slices(['Gen_0', 'Gen_1', 'Gen_2', 'Gen_3', 'Gen_4', 'Gen_5', 'Gen_6', 'Gen_7','Gen_8','Gen_9', 'Gen_10'])

` 这会加载 CPU 并很好地为 GPU 提供数据，但它似乎会创建我的数据集的副本。我想要的只是遍历整个数据集一次，像以前在 model.fit_generator() 中那样并行生成批次

任何帮助或见解表示赞赏！

2.2 或更高版本是否支持带有 float64 的 TPU？我正在使用需要 float64 才能实现数值稳定性的 VGP。我收到以下错误：

类型错误：传递给参数“输入”的值的数据类型 float64 不在允许值列表中：bfloat16、float32、int32、uint32

当前的 TF 不基于文档

我想使用注意力模型来提取注意力分数。但是我找不到任何 TF2 API 可以使用。简单的代码：

但引发异常：

它正在工作，但这不是我想要的：

我想获得中间张量，而不是层的输出。

我想在新的tensorflow2.3中测试一些功能但是，我在安装过程中苦苦挣扎。

我看到了：当 conda 还不支持它时，如何在 Windows 上安装最新的 Tensorflow（这里：2.2）？

我执行了：pip install --upgrade pip

我有：

我想用tf2.keras获取中间子模型层的输出。这里是一个由两个子模块组成的模型：

输出：

然后，我想得到model1和model2的输出中间层：

在 tf2.3 中运行，我得到的错误是：

但以下代码有效：

但不是我想要的。这很奇怪，model1是model2的一部分，那么为什么我们需要输入一个额外的张量。有时，很难得到一个额外的张量，尤其是对于复杂的模型。