问题标签 [tflearn]

线性方程：

和结果比较：

通过“预测”方法获得的结果的可视化：

通过“predict_custom”方法获得的结果的可视化：

两者相似，但仍然不同。为什么会这样？如果我的理解是正确的，“LinearRegressor”的“预测”方法应该使用与“custom_predict”方法相同的权重。

我正在使用 tflearn 对 CNN 进行建模。但是，我的数据在每个输入中的行数不同（但列数相同）。例如，我有 100 个输入。第一个输入的尺寸为 4*9，但第二个和第三个输入的尺寸为 1*9。我不确定如何使用 input_data() 来输入和调整数据。

我试图在 Tf-learn 中创建一个多层 LSTM，但没有成功。

这样做时

我将得到一个列表作为输出a和训练时的错误：

在 Tf-learn 中做多层 LSTM 的正确方法是什么？

我有几千张图片要用来训练模型tflearn。但不知何故，我在将图像准备为正确的数据格式时遇到了一些问题。我试过tflearn.data_utils.image_preloader()了，但我得到了一个ValueError. 因此，我尝试编写自己的image_loader.py文件，但是由于图片太多，我的 RAM 已满。

有谁知道用我自己的图像集编写 CNN 的好教程、示例或任何东西，以及如何预处理数据的详细信息tflearn？

我正在使用 tflearn 创建一个自动编码器，现在我想使用 RBM 的学习参数（np.array）初始化权重和偏差。

我尝试了以下方法：

为了

但我总是得到错误

如果我使用：

我收到错误：

有人可以提出一些建议吗？

我正在尝试使用 TFLearn 在一个 python 模块中训练两个模型。我正在使用restore=False所有图层。调用第二个模型的 fit 方法时出现错误：

如果其中一个模型被注释掉，则不会发生此错误，因此只训练了一个模型。任何帮助都会很棒！我已经经历了（据我所知）所有以前的堆栈溢出问题，这些问题与在 tflearn 或 tensorflow 中训练或加载多个模型有关的问题，但建议的解决方案（例如：restore=False，或使用 variable_scope）对我不起作用。在我的使用场景中，使用一个模块来训练（然后加载和拟合）多个模型非常重要。代码如下：

我在 Windows 10 上使用 Ubuntu 子系统并开始学习 tflearn（和 TensorFlow）。安装它们之后，我尝试运行python2.7，然后导入tflearn，但它给出了“不支持 Scipy！”。谁能帮我解决这个问题？

我已经按照网站上的指南安装了 tensorflow。TensorFlow 代码运行完美，我也安装了 tflearn。问题是每当我尝试导入 tflearn 时，它都会显示“ImportError: No module named 'tflearn'”但 tflearn 在 site-packages 目录中

我有一个 Anaconda 安装和一个用于运行 tensorflow 代码的 Conda 环境

从 tfslim 库中获得的权重是 ckpt 的形式。是否可以将权重恢复到使用纯 tensorflow 或 tflearn（理想情况下）手动创建的图形？我唯一担心的是，如果架构略有不同，那么 ckpt 中的权重根本无法使用。

是否通过使用 tfslim 权重但不使用 tfslim 完成了迁移学习（我目前发现 tflearn 与 tfslim 相比更容易学习，因此希望专注于 tflearn）？

我的代码中有一个错误，我找不到原因。这是我的 jupyter 笔记本的副本：

这是抛出的错误：

将这两个列表与“vanilla”张量流一起使用可以正常工作，但它不适用于 TFLearn。所以，我不确定错误来自哪里