问题标签 [tensorflow2]

我搜索了可能的解决方案，并在任何地方都建议使用tf.compat.v1.variable_scope. 我做了同样的事情，但我得到了错误：

我正在使用谷歌 colab。

我的代码：

错误：

有关如何摆脱此错误的任何建议？我的 TensorFlow 版本是 2.3.0。

编辑：

这是 Astrian_72954 建议的将 TensorFlow 1 代码迁移到 TensorFlow 2中的建议：

每个 v1.variable_scope 都应该转换为 Python 对象。通常这将是以下之一：

我不明白这个解决方案。有人可以解释转换为 Python 对象的含义吗？

我有几个自己制作的 tfrecord 文件。它们在 tf1 中运行良好，我在几个项目中使用它们。但是，如果我想在带有 tf2 的 Tensorflow 对象检测 API 中使用它们（运行 model_main_tf2.py 脚本），我会在 tensorboard 中看到以下内容：

张量板图像选项卡

它完全堆积了图像。（运行 /work/tfapi/research/object_detection/model_main.py 脚本甚至是 legacy_train 并且它们看起来不错） tf2 在 tfrecords 中使用不同类型的编码吗？或者什么会导致这样的结果？

我有一个可以在单个 GPU 上完美运行的模型，如下所示：

但是，当我在多个 GPU 上运行时，分配并没有完成。它适用于两个训练步骤，然后在整个 epoch 中保持不变。

alpha 用于两层的加权和，例如out = a*Layer1 + (1-a)*Layer2。它不是可训练的参数，而是类似于step_count变量的东西。

有没有人在 tensorflow 2 的多 GPU 设置中分配单个值的经验？

将变量分配为：

?

此链接上有一个用 tensorflow1 编写的代码。 https://github.com/carlthome/tensorflow-convlstm-cell/blob/master/cell.py 我想在TensorFlow.Keras中使用这个类作为一个层。所以应该是用TensorFlow版本2写的，怎么做呢？这是这段代码： import tensorflow as tf

张量流2.1 python3.7

最近，我将我的深度学习工具从 PyTorch 更改为 TensorFlow2。

当我建立一个基于 LSTM 的回归模型时，会发生一些奇怪的事情。我无法将 numpy 数据转换为我在tf.data.Dataset.

这是代码：

然后我在 Eager 模式下训练我的模型，训练代码如下所示：

然后，我的代码运行，并且始终在 CPU 而不是 GPU 上运行，GPU 利用率始终为 0。

但是，当我提供一些 randomdata(np.random.rand(100,22))时，GPU 可以工作。

很抱歉缺少日志信息。

更新

带叶子检测的树

我尝试了几种解决方案，但都倾向于只拉数字或灰色和黑色。这是我尝试过的解决方案之一。 这是第二组

给定一个类的实例列表A，[A() for _ in range(5)]我想随机选择其中一个（参见下面的代码示例）

有没有一种方法可以f在@tf.function不更改内容f且不调用所有项目的情况下进行装饰a_list？

请注意，直接装饰f而不@tf.function对上述代码进行任何其他更改是不可行的，因为它总是会返回相同的结果。另外，我知道这可以通过a_list首先调用所有元素然后使用索引来实现tf.gather_nd。A但是，如果调用类型的对象涉及深度神经网络，这将产生大量开销。

我想使用 tensorflow 2 训练模型，但之后我需要使用仅与 tensorflow 1 兼容的转换器。是否有可能，如果可以，如何将使用 tensorflow 2 训练的模型转换为 tensorflow 1 格式？

我正在尝试在 Tensorflow 2.3 中实现自动编码器。我将自己存储在磁盘上的图像数据集作为输入。有人可以向我解释如何以正确的方式完成吗？

我尝试使用 tf.keras.preprocessing.image_dataset_from_directory() 将数据加载到目录中，但是当我使用从上述方法获取的数据开始训练时，出现以下错误。

“ValueError：使用数据集作为输入时不支持 y 参数。”

PFB 我正在运行的代码

'''

'''

我加载保存的模型，出于微调的原因，我将分类层添加到加载模型的输出中，所以这就是我写的：

但我发现这个错误：

谁能帮助我并告诉我这个错误是什么以及我该如何解决这个问题。谢谢！