问题标签 [tensorflow2.x]

这个问题是关于 TensorFlow（和 TensorBoard）版本 2.2rc3，但我在 2.1 中遇到了同样的问题。

考虑以下奇怪的代码：

运行它并查看在 TensorBoard 中创建的图表时， 您将看到以下内容。

可以看出，加法运算真的很难看。

换线时

随着线条：

TensorBoard 创建了一个更好的图表（在第二个屏幕截图中，详细显示了模型以及其中一个内部块）。

模型的两种表示之间的区别在于，在第二种表示中，我们可以命名加法运算并将它们分组。

我找不到任何方法来命名这些操作，除非使用keras.layers.add(). 在这个模型中，问题看起来并不那么严重，因为模型很简单，而且很容易用+替换keras.layers.add()。然而，在更复杂的模型中，它可能会成为一种真正的痛苦。例如，t[:, start:end]应将诸如之类的操作转换为对tf.strided_slice(). 所以我的模型表示非常混乱，有很多神秘的聚集、跨步和连接操作。

我想知道是否有一种方法可以包装/分组此类操作以在 TensorBoard 中提供更好的图形。

我在 Red Hat Enterprise Linux Server 7.7 版上，并在这台机器上安装了 TensorFlow 2.1.0。

每当我尝试按如下方式导入 TensorFlow 时：

它给出了以下错误：

我做了一些研究，发现这是因为我的机器不支持 AVX。

我找到了一个在 Windows 机器上解决类似问题的链接。我想知道是否有任何方法可以在 Linux 机器上解决它？

我使用了更多 /proc/cpuinfo | grep flags 以获取我的 CPU 支持的标志。以下是我的机器上支持的标志：

我知道如果我使用 tensorflow 1.5 版，问题就会消失，但此时我无法将其降级到 1.5。

有什么方法可以在不支持 AVX 指令的机器上导入和运行 tensorflow 2.1.0？

我需要在需要比我的 GPU 更多内存的数据集上训练模型。将数据集提供给模型的最佳做法是什么？

这是我的步骤：

1. 首先，我使用 batch_size 加载数据集

2. 第二步我准备数据

3. 然后我将数据提供给模型

但是在第 2 步，我为第一批准备了数据而错过了其余批次，因为 model.fit 超出了循环范围（据我所知，它仅适用于第一批）。
另一方面，我无法删除 take(1) 并在循环下移动 model.fit 方法。因为是的，在这种情况下，我将处理所有批次，但同时 model.fill 将在每次迭代结束时调用，在这种情况下，它也无法正常工作

那么，我应该如何更改我的代码才能使用 model.fit 与大数据集正常工作？你能指出文章，任何文件，或者只是建议如何处理它？谢谢

更新 在我下面的帖子（方法 1）中，我描述了一种解决问题的方法——还有其他更好的方法，还是只有一种方法可以解决这个问题？

这个问题是关于 TensorFlow（和 TensorBoard）版本 2.2rc3，但我在 2.1 中遇到了同样的问题。这是“由于 Python 操作导致 TensorBoard 图表混乱”问题的延续。

考虑以下代码：

运行时，它会打印以下摘要：

注意奇怪的条目tf_op_layer_AddV2 (TensorFlowOpLayer)。这种条目使 TensorBoard 图表非常混乱。事实证明，在避免使用 时，并没有添加tf.zeros()这个奇怪的元素。tf_op_layer_AddV2所以下面的代码不会生成任何tf_op_layer元素：

有许多更复杂tf_op_layer_的创建元素的示例。如果解释为什么创建它们以及如何避免它们，将不胜感激。

我将 TF2 与 python3 一起使用，我想禁用时代进度的 TensorFlow 打印。我知道我可以通过写verbose = 0来禁用日志，但是我想看看打印。我只想看到每个时代的结果，而不是其中的进展。

epoch_hist = model.fit(train_images, train_labels, epochs=100, batch_size=32, validation_data=(test_images, test_labels),verbose=0, callbacks=[early_stopping_callback])

我有一些张量流模型，我需要在保存的模型中导出。下面是我试图导出的模型的简化代码。

但是在导出模型时出现以下错误。

在部署它时，我无法删除tf.map_fn在保存的模型中进行一些我需要的基本处理的部分。

我正在尝试在 Windows 机器上设置 Tensorflow 2，我已经检查过该机器具有支持 Cuda 的 GPU（Nvidia Quadro RTX 3000）。我已经安装了必要的 CUDA 库和 SDK 并添加到我的路径中（见下文）：.

我已经通过 pip 安装了 tensorflow 和 tensorflow-gpu。我已经使用以下内容检查了我的设置：

然而，我得到的输出是：

关于这个问题的其他问题涉及设置 tensorflow 的问题，这似乎不是这里的情况。为什么 tensorflow 仍然看不到我的 GPU？有什么我错过的吗？

我有一些不同长度的序列（例如编码为数字数据的文本数据）。为了将它们放入张量中，使用零将它们右填充到固定宽度。例如：

现在我的问题是：如何测量这些填充序列的（内容）长度？

我希望从上面的示例中得到的输出是：

在代码中：

python print 仅在函数的第一次调用期间执行，即在图形创建期间。out=x+5.成为图形的一部分，因此每次运行图形时都会执行。我想知道当我在普通 python 中编写一个函数并用它来装饰它tf.function以绘制它时，什么都被转换为图形（如out = x+5）和什么没有（如 python 打印）

看看这段代码（假设 Tensorflow 2.1 或 2.2）：

为什么是model.variables空？我希望包含var. 据我了解tf.Module，它可以用作名称范围，也可以用作tf.Variable分配给其属性的记录。既然 atf.keras.Model是 a tf.Module，它应该递归地做同样的事情，不是吗？