问题标签 [tensorflow2.0]

我正在尝试学习新的 TF 2.0 alpha 版本。我正在Sequential为二进制分类目的训练模型。我的数据表是df，这是一个 numpy 数组。classification是我必须预测的类的 one-hot 编码数据帧。

模型的定义很明确，因为它是损失函数和准确率函数以及 (Adam) 优化器的定义。但是，我在训练时遇到错误：

在这一点上，我得到指向错误optimizer.apply_gradients()。错误消息说：

ValueError：要解包的值太多（预期为 2）

我的错误在哪里？

我对这种类型的错误进行了一些研究，但没有发现与此特定功能相关的任何有用信息。任何帮助表示赞赏。

如何将下面显示的 tensorflow 2.0 中的选定变量保存在文件中，并使用 tf.train.Checkpoint 将它们加载到另一个代码中的一些已定义变量中？

另外，请展示如何使用 tf.train.Checkpoint 保存所有变量并重新加载。提前致谢。

我正在尝试 Tensorflow 2.0 alpha preview 并正在测试 Eager execution 。我的疑问是，如果您在中间有一个可变大小的 numpy 数组，例如

对数组的其余部分依此类推，如何急切地将它们转换为张量。

当我尝试

或者

我明白了

ValueError：无法将 numpy ndarray 转换为张量（无法将元素作为字节获取。）。

转换每个子数组有效，但由于子数组大小不同，tf.stack 不起作用。

有什么帮助或建议吗？

我正在试验 TensorFlow 2.0 (alpha)。我想实现一个简单的前馈网络，它有两个用于二进制分类的输出节点（它是这个模型的 2.0 版本）。

这是脚本的简化版本。在我定义了一个简单的Sequential()模型之后，我设置了：

训练没有错误，但是奇怪的事情发生了：

• 有时，网络不会学到任何东西。所有损失和准确度分数在所有时期都是恒定的。
• 其他时候，网络正在学习，但非常非常糟糕。准确度从未超过 0.4（而在 TensorFlow 1.x 中，我毫不费力地获得了 0.95+）。如此低的表现表明我在训练中出了点问题。
• 其他时候，准确性会非常缓慢地提高，而损失始终保持不变。

什么会导致这些问题？请帮助我理解我的错误。

更新：经过一些更正后，我可以让网络学习。但是，它的性能极差。在 1000 个 epoch 之后，它达到了大约 %40 的准确率，这显然意味着仍然有问题。任何帮助表示赞赏。

我一直在尝试 Tensorflow 2 alpha，并且一直在尝试冻结模型并将其导出到 .pb graphdef 文件。

在 Tensorflow 1 中，我可以这样做：

然而，这似乎不再可能，因为 convert_variables_to_constants 被删除并且不鼓励使用会话。

我查看并发现有 与 SavedModel 导出一起使用的冻结图实用程序https://github.com/tensorflow/tensorflow/blob/master/tensorflow/python/tools/freeze_graph.py 。

有没有办法在 Python 中做到这一点，或者我现在打算切换并使用这个工具？

在签名部分的 tensorflow 文档中，我们有以下代码片段

我有一个关于变量的小问题step，它是一个整数而不是张量，签名支持内置的 python 类型，例如整数。因此，tf.equal(step%10,0)可以将其更改为简单step%10 == 0对吗？

我正在学习最新版本的 Tensorflow (2.0)，并尝试运行一个简单的代码来分割矩阵。使用装饰器@tf.function 我做了以下类：

因此，当使用 numpy 矩阵运行代码时，我无法检索数字。

输出：

我需要以 numpy 格式获取此张量，但 TF 2.0 没有使用 run() 或 eval() 方法的类 tf.Session。

感谢您为我提供的任何帮助！

在下面的代码中，我绝对有必要在 GPU 中执行完整的功能，而无需单次跳转回 CPU。这是因为我有 4 个 CPU 内核，但我有 1200 个 cuda 内核。从理论上讲，这是可能的，因为 tensorflow feed_forwards、if 语句和变量分配可以在 GPU 上完成（我有 NVIDIA GTX 1060）。

我面临的问题是 tensorflow2.0 在后端自动分配给 GPU 和 CPU，并且没有提到它的哪些操作与 GPU 兼容。当我使用设备作为 GPU 运行以下功能时，我得到

它在 GPU 上按顺序运行。

我的问题是在哪里使用 tf.device？哪部分代码将通过签名转换为 GPU 代码，哪些将保留在 CPU 上？我怎样才能将它也转换为 GPU？

我正在尝试将 @tf.function 添加到我在 Tensorflow 2.0 中的自定义训练代码中以提高性能。但是运行代码会引发 FailedPreconditionError: Table already initialized。使用分类特征列时-我怀疑正在发生的是由于@tf.function 的工作方式，分类特征列被多次初始化

例如，以下代码在未应用 @tf.function 装饰器时运行良好，但在添加 @tf.function 装饰器时会中断。

实际结果：

预期成绩：

我正在尝试在 v2.0 中运行 tensorflow 代码，但出现以下错误

我不想简单地从代码中删除它。

• 为什么此代码已被删除？
• 我为什么要这样做？