问题标签 [tensorflow2]

我正在尝试使用 tensorflow 数据集库训练 keras 分类模型。

数据源是大查询（使用 tensorflow-io-bq 阅读器阅读）。

我注意到通过不同的培训（从头开始）。该模型返回非常不同的度量结果（它可以以 acc=60% 甚至以 acc=90% 结尾

如果使用相同的数据，怎么会有这么大的差异？

我应该改变什么吗？

我可以用种子或其他东西“固定”它吗？

谢谢

我将模型保存为“已保存模型”。我正在尝试使用freeze graph.py冻结图形， 但它失败并出现错误（dense_1/BiasAdd 不在图形中）所以，我跟踪并打印了图形定义。

有节点def，但图def中没有节点。

在 tensorflow 1 中，我可以找到输出节点。

首先，我想知道为什么tensorflow 2 graph def中没有输出节点。

其次，我想在 tensorflow2 keras 模型中冻结图形。（我可以在 tensorflow 1.15 中做到这一点）

这是模型。

这段代码有一个问题，我删除SeBlock类，只运行 CNN 类，然后一切正常。如果我插入课堂SeBlock，CNN则会发生错误，并显示NotImplementedError. 我不知道导致这个问题，我尝试解决这个问题，但是我搜索的所有方法都不起作用。谁能帮帮我，非常感谢！

主要代码如下。

并且错误信息显示在下方。

TensorFlow2.x 是否支持 Group Convolution？
看到很多帖子/博客/教程说TensorFlow不支持，也看到一些帖子说tf.keras.layers.DepthwiseConv2D相当于组卷积。但是，我注意到tf.keras.layers.Conv2d中有一个组参数，这是很多论文（例如ResNeXt论文）中描述的组卷积吗？还是我误解了？
任何帮助和解释都会很棒！

编辑：group conv（第三个）和等效的 parrellel conv（前两个）的示例。ResNeXt 论文中的示例

pytorch中深度为4的32组的组conv，这意味着总输出通道为128：
torch.nn.Conv2d(in_channels=128, out_channels=128, kernel_size=(3,3), groups=32)

更具体地说，输入通道为 i 的 n 组和深度 d 的组 conv 将 i 输入通道分成大小相等的 n 组，每组将是具有相同内核大小的普通卷积，步幅具有 i/n 通道为输入，d通道作为输出。所有组的输出将连接到 n*d 个通道中，并作为输入传递给下一层。

我以前确实写过一些深度学习代码。现在我想再次运行它。但起初它给了我这些错误。这是出现问题的第一个代码块：

这是错误：

这是回溯错误：

我很困惑为什么它不能运行。它在检查模块中说内部 Python 错误。这对我来说是一个令人困惑的回溯。有人知道代码或其他东西有什么问题吗？

我有一个 tfrecords 文件，不幸的是其中没有标签值。它有两个值： Image和Id

因此，要获取标签，我需要查看 pandas DataFrame 中的 Id 以驱动其值，然后根据其值创建标签，例如：

但是，我不知道如何将Tensor("ParseSingleExample/ParseExample/ParseExampleV2:1", shape=(), dtype=string)转换为 python 字符串。

我在这里复制了解析 tfrecords 的代码：

和

我正在使用张量流 2.4.1。如果有人可以帮助我，我真的很感激。谢谢。

我正在使用tensorflow 2.4.1和来自tensorflow 1的代码。每当我运行以下命令时，都会出现错误

错误

我面临一个似乎在一夜之间发生的 TF2 对象检测 API 问题。我正在尝试从保存的检查点恢复训练，并且像往常一样，我将配置文件中的路径更改为检查点所在的位置，然后再恢复训练，这一直有效。

今天它抛出了这个错误（见下文）。由于某种原因，检查点目录和模型目录不能相同。现在，最大的问题是，如果我更改模型目录，它会从零开始训练，而不是从上一个 epoch 开始，所以我被卡住了。这只发生在 TF2 中，我也尝试过 TF1 并且工作正常。

文件“/usr/local/lib/python3.7/dist-packages/object_detection/utils/variables_helper.py”，第 230 行，在 ensure_checkpoint_supported ('请将 model_dir 设置为不同的路径。'))) RuntimeError: Checkpoint dir ( /content/drive/MyDrive/Object_detection/training) 和 model_dir (/content/drive/MyDrive/Object_detection/training) 不能相同。请将 model_dir 设置为不同的路径。

我以子类化方式编写模型，

''' 类块（tf.keras.Model）：

''' 当我想打印 x 时，我得到这个错误：

'无法将符号张量 (block1_conv1_act_1/Relu:0) 转换为 numpy 数组'。

我正在使用 Google colab pro 进行培训。通常情况下，我在 Google Colab 上使用 TF2 以正常速度训练我的目标检测模型，但在这些日子里，它花费的时间太长了，每步大约 33 秒，尽管它比训练掩码 RCNN 模型慢。这个问题以前没有见过相同的配置。你能帮我找出一些错误的地方吗？