问题标签 [tensorflow2.0]

saved_model API 以协议缓冲区 (pb) 格式保存的变量文件？如果没有，有没有办法在不使用 tensorflow API（恢复/加载）的情况下加载它

我在 TensorFlow 2 中使用以下自定义训练代码：

这段代码给了我错误：

但是，它在 TensorFlow 2.0 中，因此默认情况下启用了 Eager。 tf.executing_eagerly()也返回“真”。

我尝试在 TensorFlow 2.0 (alpha) 中运行此代码：

但我得到了这个错误：

我在Google Colab上使用tensorflow 2.0训练了一个简单的 mnist 模型，并将其保存为.json格式。单击此处查看我编写代码的 Colab Notebook。然后在运行命令

!simple_tensorflow_serving --model_base_path="/" --model_platform="tensorflow"

它显示错误 AttributeError: module 'tensorflow' has no attribute 'gfile'

simple_tensorflow_serving有助于轻松地将经过训练的 tensorflow 模型部署到生产中。

我正在使用的版本：

(1) TensorFlow - 2.0

(2) simple_tensorflow_serving - 0.6.4

先感谢您 ：）

TensorFlow 2.0中tensor.numpy()的 inside有什么替代方法吗？tf.function问题是，当我尝试在装饰函数中使用它时，我收到错误消息'Tensor' object has no attribute 'numpy'，而它在外部运行时没有任何问题。

通常，我会选择类似的东西，tensor.eval()但它只能在 TF 会话中使用，并且 TF 2.0 中不再有会话。

我正在尝试理解 tensorflow 中 GPU 上的并行性，因为我需要将它应用到更丑陋的图表上。

在上面的代码中，var 是一个长度为 100000 的张量，其元素如上所示更新。当我将 parallel_iterations 值从 10、100、1000、10000 更改时。即使明确提到了 parallel_iterations 变量，也几乎没有任何时间差（全部为 9.8 秒）。

我希望这些在 GPU 上并行发生。我该如何实施？

我正在使用 tensorflow 2.0 API，我从所有图像路径创建了一个数据集，如下例所示

但是，当我运行此代码以使用 keras ImageDataGenerator 应用一些参数时出现错误

错误：

当我从 repl 中 imp.reload 模块时，我希望赋予层的名称保持一致。

目前，名称都附有数字。就像'V'变成'V_2'等。

例外是

对于从 keras 运行的事物，应该如何tf.print在模型构建中使用该方法或其他方法？

tf.data.Dataset.from_tensor_slices()我用 2.0 版构建了一个。我的输入是一个一维数组，其中包含用于裁剪大型 numpy 数组（60 GB）的索引。

到目前为止，我的管道读取数组，np.memmap然后应该剪辑这个数组。因此，我在维度中创建了一个数组(n, 4)，其中 n 是样本数。提示此(n, 4)数组tf.data.Dataset.from_tensor_slices()。

之后我想调用dataset.map()，如果数组的输入是一行(n, 4)，其形状为[4,]。但是，我不能评估这个张量的单个值，而我可以在.map()调用之前评估张量。

这是我得到的错误的最小工作示例：

错误：