问题标签 [tensorflow2.x]

在Tensorflow-gpu 2.1上训练模型Tensorflow Object Detection API时，出现错误：

没有名为“tensorflow.contrib”的模块

是否可以使用 Tensorflow 2.1 训练模型 Tensorflow 对象检测 API？
我不想更改 Tensorflow 的版本。
有人能帮我吗？

如何使用 pip 仅安装 Tensorflow 2.x 的 CPU 版本？过去，可以安装这 2 个不同的版本。

由于我在 nonen GPU 设备中运行脚本（没有 envidia 卡，没有 cuda 支持的英特尔卡可用），我收到以下错误：

2020-04-14 23:28:14.632879：W tensorflow/stream_executor/platform/default/dso_loader.cc:55] 无法加载动态库“libcuda.so.1”；dlerror：libcuda.so.1：无法打开共享对象文件：没有这样的文件或目录 2020-04-14 23:28:14.632902：E tensorflow/stream_executor/cuda/cuda_driver.cc:313] 调用 cuInit 失败：未知错误(303)

过去我的解决方法是使用仅限 CPU 的版本。

提前感谢您的提示

我正在为 Tensorflow 2 中的数据集编写映射函数。数据集包含多个图像和相应的标签，更具体地说，标签只有三个可能的值，13、17 和 34。映射函数应该采用标签并将它们转换为分类标签。

可能有更好的方法来实现这个功能（请随时提出建议），但这是我的实现：

主要问题是我收到以下错误：

我真的不知道这个错误意味着什么，并且互联网上没有太多其他来源记录相同的错误。任何想法？

编辑（新的非工作实现）：

我正在尝试使用功能 api 在 keras 中创建自动编码器。一切正常，但是，当我尝试加载保存的模型时，它会引发与模型子类化 api 相关的错误。它还会引发与我认为与模型加载问题无关的亲笔签名相关的错误。

我在 Windows 10 上使用来自 anaconda 的 tensorflow 2.1 并在 Spyder 4 中运行代码。

我的带有虚拟数据的代码：

错误：

我知道可以通过model.predict()多次调用并测量返回值的平均值来实现 Monte Carlo dropout。但是，我想知道是否可以通过继承Models 类来实现它tensorflow.keras？

使用通过子类化 s 类来实现模型的更典型方式，Model可以支持轻松加载和保存 Keras 模型，而无需任何其他代码，然后predict在运行时（一次）调用。这在使用 Tensorflow Serving 时可能特别有用，但在通过其他 Python 脚本加载它时也已经增加了一些舒适度。（例如，比较多个不同模型时。）

我已经训练了一种自定义 CNN 模型，如下所示：

有时（并非总是如此！）将training 变量设置为False.

如果我用类似的东西测试训练有素的模型：

例如，训练 = 假时我得到 0.018%，但训练 =真时得到 98.9%。知道什么可能导致这种行为吗？它实际上似乎并不固定于批量规范化本身，因为我第一次经历了使用 Dropout 层而不是批量规范化层的类似行为。

有一个问题是我需要在 Keras 中更改层权重的小数精度。有什么解决办法吗？我知道有一种方法可以在 float16/32/64 之间更改权重格式，但我真正想做的是将权重限制在特定数字，例如，

一个权重：像函数 floor() 一样将 1.0454446 更改为 1.0454000

该操作是否有一些模块功能？或者无论如何我可以直接更改模块？

我想看看哪些操作在哪个设备上运行。在 TensorFlow 1.n 中，可以使用会话配置 (log_device_placement)。TF 2.n 中是否有类似的操作？

我在使用 tensorflow-keras 训练神经网络时遇到问题。我收到此错误：

F tensorflow/stream_executor/lib/statusor.cc:34] 尝试获取值而不是处理错误内部：无法获取设备 0 的设备属性 13：CUDA_ERROR_UNKNOWN：未知错误

我最初收到此错误。然后我参考了failed-to-get-device-attribute-13-for-device-0中的解决方案。我更新了图形驱动程序。这对一些 3-4 运行有效，现在我再次遇到相同的错误。

以下是我的环境的详细信息：

1. Python 3.7（蟒蛇）
2. 张量流 2.1
3. Nvidia GeForce RTX 2060，6GB 显卡
4. 视窗 10 版本 1809

我正在尝试实现一个简单的循环神经网络架构，并注意tf.keras在 Tensorflow 2.1 中使用的序列到序列任务。我大部分时间都在关注Tensorflow 教程，到目前为止，它正在工作。

但是，该指南使用自写的培训功能，我想使用各种tf.keras.Model功能，例如fit，所以我尝试调整代码以允许我使用这些功能。问题点如下：在解码器部分，由于注意力架构，必须手动迭代时间步长，进行注意力计算并将结果提供给下一步。我的解码器模型如下所示：

最重要的是，必须定义输入的序列长度，而不是None. 但我想使用可变序列长度。据我了解，这使得我通常会使用的 Keras 功能 API 无法使用这个模型，因为编写了类似的东西

将反馈None到通话中。所以我决定只使用模型子类化，编写一个主模型

这似乎在原则上有效，使用输入数据调用这个主模型成功地产生了结果。但是，当fit()在这个模型上使用该方法时，会发生一些我不明白的事情：首先，模型以未知的批量大小被调用，但指定的序列长度。随后，仅以指定的批量大小调用它，但序列长度未知。因此None通过并且迭代失败。

现在为什么会发生这种情况？训练时，batch的序列长度肯定是已知的，为什么不传给我的模型呢？如果没有自定义培训方法，是否有机会解决这个问题？如果有人能解释那里发生了什么，我会很高兴...