问题标签 [tensorflow2.0]
For questions regarding programming in ECMAScript (JavaScript/JS) and its various dialects/implementations (excluding ActionScript). Note JavaScript is NOT the same as Java! Please include all relevant tags on your question; e.g., [node.js], [jquery], [json], [reactjs], [angular], [ember.js], [vue.js], [typescript], [svelte], etc.
python - TensorFlow 2.0 教程问题
我正在关注https://www.tensorflow.org/alpha/tutorials/sequences/text_classification_rnn上的官方教程，但遇到了问题。以下行导致错误：
回溯（最后一次调用）：文件“main.py”，第 30 行，在 train_dataset = train_dataset.padded_batch(BATCH_SIZE, train_dataset.output_shapes) AttributeError: 'ShuffleDataset' object has no attribute 'output_shapes
我错过了什么？这是我完成一半的代码：
python - tensorflow 2.0.0 中 tf.one_hot 的等价物是什么
在 tensorflow 2.0.0 中给出以下错误
节点：{{node OneHot}}
keras - 使用 tf.function 的 Tensorflow 2.0 模型非常慢，并且每次列车数量发生变化时都会重新编译。Eager 的运行速度提高了大约 4 倍
我有从未编译的 keras 代码构建的模型，并试图通过自定义训练循环运行它们。
TF 2.0 eager（默认）代码在 CPU（笔记本电脑）上运行大约 30 秒。当我使用包装的 tf.function 调用方法创建 keras 模型时，它的运行速度要慢得多，而且似乎需要很长时间才能启动，尤其是“第一次”时间。
例如，在 tf.function 代码中，10 个样本的初始训练需要 40 秒，10 个样本的后续训练需要 2 秒。
在 20 个样本上，初始需要 50 秒，后续需要 4 秒。
1 个样本的第一列火车需要 2 秒，后续需要 200 毫秒。
所以看起来每次调用 train 都在创建一个新图，其中复杂性随列车数量而变化！？
我只是在做这样的事情：
根据示例，模型keras.model.Model使用@tf.function装饰call方法的位置。
keras - Tensorflow 2.0：没有为任何变量提供梯度，但仅在使用 tf.math.square AND tf.function 时？
如果我省略 tf.math.square 行或 @tf.function 装饰，则会运行以下代码。
为什么方线会触发一些渐变问题？
按要求追溯：
另外，我不确定这是否有用，因为我还不知道如何阅读它，但这里是 python_function 转储：
python-3.x - 内核似乎已经死了。它将自动重新启动。有记忆问题？
内核在运行一些代码后死亡
我尝试运行代码以使用生成器生成示例图像 我尝试更新 conda 和 Jupiter 但它们都不起作用
我一直在观察 GPU 的内存使用情况，但它并没有那么多使用 GPU
张量流2.0，ubuntu 18.10，cuda 10.0
python 3.5，
AVX2 FMA 2019-04-18 10:20:21.107510: I tensorflow/compiler/xla/service/service.cc:168] XLA 服务 0x55de6ead0990 在平台 CUDA 上执行计算。设备：2019-04-18 10:20:21.107562：I tensorflow/compiler/xla/service/service.cc:175] StreamExecutor 设备 (0)：TITAN Xp，计算能力 6.1 2019-04-18 10:20:21.127890 ：I tensorflow/core/platform/profile_utils/cpu_utils.cc:94] CPU 频率：3493050000 Hz 2019-04-18 10:20:21.129460：I tensorflow/compiler/xla/service/service.cc:168] XLA 服务 0x55de6eed7eb0在平台主机上执行计算。设备：2019-04-18 10:20:21.129503:I tensorflow/compiler/xla/service/service.cc:175] StreamExecutor 设备 (0):, 2019-04-18 10:20:21.129616:I tensorflow/core /common_runtime/gpu/gpu_device.cc:1712] 添加可见 gpu 设备：0 2019-04-18 10:20:21.129722:
tensorflow - 如何使用 Tensorflow2.0 alpha 堆叠卷积层和 LSTM？
我正在尝试为 NLP 任务实现一个神经网络，其中包含一个卷积层，后跟一个 LSTM 层。我目前正在尝试使用新的 Tensorflow 2.0 来做到这一点。但是，在构建模型时，我遇到了一个我无法理解的错误。
该模型
错误
起初，我试图检查是否存在关于使用层实现Conv1D层的任何问题LSTM。我找到了这篇文章，建议我重新塑造卷积层和 lstm 层之间的层。但这仍然不起作用，我得到了一个不同的错误。这篇文章看起来很相似，但它没有使用 Tensorflow 2.0 并且到目前为止没有回答。我还发现这篇文章具有堆叠卷积层和 lstm 层的相同意图。但它使用Conv2D而不是Conv1D. 这篇文章还建议使用内置层重塑卷积层的输出，称为Reshape. 然而，我仍然遇到同样的错误。
我还尝试input_shape在 LSTM 层中指定 。
最后我仍然遇到同样的错误。
我不确定我是否了解如何堆叠一维卷积层和 lstm 层。我知道 TF2.0 仍然是 Alpha，但有人能指出我缺少什么吗？提前致谢
python - TensorFlow Dense Layers：一维权重？
我按以下方式设置了我的网络：
我希望这个配置是这样的：
但是，当我使用 model.get_weights() 打印网络的权重时，它会产生以下输出：
(784, 128)
(128,)
(128, 10)
(10,)
为什么在这个模型中存在 (128,) 和 (10,)？
python - 如何在 Tensorflow 2.0 中使用 gradient_override_map？
我正在尝试gradient_override_map与 Tensorflow 2.0 一起使用。文档中有一个示例，我也将在此处用作示例。
在 2.0 中，GradientTape可用于计算梯度，如下所示：
还有tf.custom_gradient装饰器，可用于定义新函数的渐变（同样，使用文档中的示例）：
但是，我想替换标准函数的渐变，例如tf.square. 我尝试使用以下代码：
但是，有两个问题：梯度替换似乎不起作用（它被评估为10.0而不是0.0），我需要求助于session.run()执行图表。有没有办法在“原生”TensorFlow 2.0 中实现这一点？
在 TensorFlow 1.12.0 中，以下生成所需的输出：
python - 使用 tf.function 装饰器时渐变为无
我正在尝试将我的代码迁移到 tensorflow 2.0，但我无法使用 tf.function 创建显式图形。特别是，给定以下模型：
以及以下功能来训练它：
我在主循环中有以下调用来训练模型：
一切正常，正如预期的那样，将其与 tf1.x 代码进行比较，训练步骤要慢得多。因此，我将 q_train 函数修饰为具有高性能的 tf 图。但是现在，每次我调用该函数时，毕业生总是无。
问题是什么？