问题标签 [tflearn]

我一直在使用 tflearn 编写简单的自动编码器。

模型训练得很好，但训练后我想分别使用编码器和解码器。

我该怎么做？现在我可以恢复输入，我希望能够将输入转换为隐藏表示并从任意隐藏表示恢复输入。

这是 tflearn 中 XOR 的代码。我希望获得倒数第二个隐藏层节点的值（而不是权重）。我怎么能得到那个？更具体地说，我希望为下面给出的四个预测中的每一个获得第 2 层节点的值（在代码中给出）。

我打算对 tflearn 模型的超参数执行网格搜索。似乎生成的模型tflearn.DNN与 sklearn 的 GridSearchCV 期望不兼容：

我得到错误：

知道如何获得适合 GridSearchCV 的对象吗？

我是 TFLearn 的新手，我正在尝试编写一个简单的 CNN。这是我的代码：

我收到以下错误：

我有一种预感，它与 的形状有关X，但我不知道如何修复它（另外，我希望这image_dirs_to_samples会返回对 tflearn 有意义的东西）。

I am trying to train a classifier to distinguish songs genres from the raw audio spectrum. For this I use a deep convolutional network in tflearn. However, the network will not converge/learn/the loss is increasing. I would be grateful if someone had an idea of why this might be.

The data I'm using is 128x128 grayscale images of the spectrogram, classified between Classical music (500 examples) and Hard rock (500 examples), 1-hot encoded.

Here's what the samples look like:

Classical extract

I can tell the difference between the two classes (I cannot show it because of stackoverflow's limit), and I doubt that a deep CNN simply is not capable of classifying these.

Here's what my loss looks like:

Loss plot in tflearn

The code I used in tflearn for the model is the following:

Thank you very much for you help !

我目前正在尝试在应用程序中使用经过训练的模型。

我一直在使用此代码通过 LSTM 模型生成美国城市名称。该代码运行良好，我确实设法获得了城市名称。

现在，我正在尝试保存模型，以便可以将其加载到不同的应用程序中，而无需再次训练模型。

这是我的基本应用程序的代码：

这是我得到的输出：

不幸的是，我看不出为什么在我的应用程序中使用 generate() 时形状发生了变化。谁能帮我解决这个问题？

先感谢您

威廉

我是 TensorFlow 的初学者，仍在试图弄清楚它是如何工作的，所以我不确定这个错误是我的架构问题还是更基本的问题——我正在尝试训练一个连体神经网络（我们将左右输入输入到具有相同权重的左右 NN 中，并尝试将其映射到如果输入相似则距离小、如果输入不同则距离大的特征向量）。

我得到的错误发生在回归步骤：

如果第一个维度需要None用于批量大小，我不知道如何解决这个问题（如果我错了，请纠正我）。

代码的相关部分如下：

任何帮助——尤其是了解如何在未来自己调试这些问题——将不胜感激！

我有一些试图拟合函数的短代码。但我担心如何将数据提供给 tflearn rnn。

X 输入是一个 [45,1,8]（45 个样本，4 个时间步长和 8 个特征）数组。因此，Y 输入应该是一个 [45,1,8] 数组，因为目标是最小化差异元素-明智的。

但是，尝试此操作时会引发以下错误

我似乎无法弄清楚我的错误。任何帮助，将不胜感激。

注：好像有人解决了类似的问题，但是看不懂答案 tensorflow/tflearn input shape

完整代码

使用 tflearn，在设置 tflearn.models.dnn.DNN 时，我得到参数 best_checkpoint_path 的“意外关键字参数”。

checkpoint_path 工作正常，但 best_checkpoint_path 不...

我正在为来自csv的数据构建一个简单的线性回归器。数据包括一些人的体重和身高值。整体学习过程非常简单：

然而，出乎意料的是，回归器构建的模型很糟糕。结果可以用下一张图来说明：

可视化代码（以防万一）：

以下是 scikit-learn 为 LinearRegression 类提供的相同数据：

和可视化：

增加步数没有效果。我会假设我以错误的方式使用来自 TensorFlow 的回归器。

带有代码的 iPython 笔记本。