问题标签 [tflearn]

我正在文本数据集上尝试 DNN-RNN。这是一个简单的虚拟数据，我认为该代码可以与大多数文本数据一起使用。但是，当我尝试加载经过训练的模型然后重新训练时出现错误。如果我做错了，请告诉我。

返回数据，vocab_processor，n_words，MAX_DOCUMENT_LENGTH

这用于将文本文档列表转换为所需的格式

这里我们初始化RNN模型

这是为了训练模型。我知道这可能不是最好的方法，但这是一个实验。

此函数预测新字符串

这是为了保存训练好的模型

在这里我正在加载保存的模型，我收到了这个错误。

我正在尝试使用 tflearn 和 tensorflow 构建多列深度神经网络（MDNN）。本文解释了 MDNN 。我正在努力解决的问题是如何将两个或多个输入加在一起以输入到 tensorflow。

对于单个列，我有：

和

X_input形状在哪里(31367, 32, 32, 3)。我对 numpy、tensorflow 和 tflearn 很陌生。现在真正的困难在于如何为 tflearn 指定多个输入。

任何帮助是极大的赞赏。

我想使用矩阵指定激活节点之间的连接性，而不是完全连接的层。例如：

我有一个连接到 10 节点层的 20 节点层。使用典型的全连接层，我的W矩阵为 20 x 10，b向量大小为 10。

我的激活看起来像relu(Wx + b)

如果我有一个大小相同的 1 和 0 矩阵W，可以调用它F，我可以在第一层（20 个节点）和第二层（10 个节点）之间进行成对乘法W和F删除连接

这是我当前的代码：

my_fun 给我的地方：relu( (FW)X + b)并且FW是成对乘法

如何创建此功能？我似乎无法找到关于它是如何完成的 tflearn 示例，但我也知道 tflearn 也允许基本 tensorflow 函数

我在 tensorflow 上使用 tflearn 包装器来构建模型，并希望将元数据（标签）添加到生成的嵌入可视化中。有没有办法在运行后将 metadata.tsv 文件链接到保存的检查点？

我在检查点摘要的 logdir 中创建了一个projector_config.pbtxt 文件，metadata.tsv 位于同一文件夹中。配置如下所示：

并使用文档中的代码创建 - https://www.tensorflow.org/how_tos/embedding_viz/

我已经注释掉了 tf.Session 部分，希望无需直接在 Session 对象中创建元数据链接，但我不确定这是否可能。

下面是当前嵌入可视化的快照。注意空的元数据。有没有办法直接将所需的元文件附加到这个嵌入？

我正在使用 tflearn 和 tensorflow 对文档进行分类。但是我面临文档大小和训练时间的问题，我最大的文档长度约为 98000 字，使用它来构建网络将非常耗时。我正在研究不同的方法来减少数据的维度或一些足够快来训练模型的技术。我看到了 doc2vec 和 word2vec 并构建了各自的模型，但不确定如何将它们与 tflearn 一起使用。我还通过创建 doc2vec 和 word2vec 模型对文档进行分类，并通过平均文档中模型词汇表中存在的所有单词的特征向量来获取特征向量。我可以将这个最终特征向量用于 DNN，还是有人有其他我可以使用的建议。

我在 tflearn 中有一个 lstm 网络，它在给定前面单词的上下文的情况下预测序列中的下一个单词。这些词作为特定大小词汇表的索引输入网络，并以二进制类的形式输出，例如：

上下文：[45, 243, 1, 1906, 4, 2, 0, 0, 0, 0]

标签：[0,0,0.......1,0,0,......0,0,0]（VOCAB_SIZE 的长度）

但是，该模型每次都学会预测几乎相同的单词，因为我在回归层中使用了“categorical_crossentropy”目标函数。

我想尝试根据我已经为数据集生成的词嵌入（word2vec）来评估损失。因此，预测“你好”的模型，其中基本事实是“嗨”，其损失将比预测“披萨”低得多。计划是计算两个嵌入向量之间的余弦，以获得单词之间的“相似度”。

我将此自定义损失函数添加到 tflearn 安装中的 objects.py 文件中，但在尝试将预测转换为嵌入向量时遇到了障碍。

tflearn/objectives.py：

返回的错误是：

这表明我不能使用张量来索引 vocab（一个 numpy 数组）。但是，我不能使用 eval() 来获取张量的值，因为它不是在会话中运行的。所以我需要一种方法来设置索引的一维张量到包含相应词向量的张量的转换，以便计算损失。

非常感谢有关此问题的任何帮助，或评估我的模型的其他方式。

我有一个 zip 文件，其中有数百个文件夹，每个文件夹包含 3-4 张图像。我想用这些图像作为训练数据来识别人脸。如何加载这些图像？而且，加载数据集的最佳方式是什么？作为 pkl 文件还是其他文件？

我知道这方面已经有一些问题，但我找不到我的问题的答案。我有一个用于回归问题的 LSTM（带有 tflearn）。无论我进行何种修改，我都会遇到 3 种类型的错误。

在启动新内核的第一次运行时，我得到

然后，第二次

它指的是第二个 LSTM 层。我试图删除第二个 LSTM 和 Dropout 层，但后来我得到了

如果你读到这里，祝你有美好的一天。我来回答一下，非常感谢！！！！

我正在尝试创建一个模型来识别面孔。但是我一直遇到这个错误，并且类似问题的其他答案都没有解决这个特定问题。代码如下：

我不断得到

ValueError：无法为具有形状“（？，2）”的张量“TargetsData / Y：0”提供形状（10、250、250、3）的值。

在这一点上我已经尝试了一切，并且不能完全理解如何解决这个问题。

我尝试 “按原样”使用 Karan 的模型TFlearn 模型作为 CNN 模型的模板进行情感分析，但出现了 2 个奇怪的错误：

1）tflearn.layers.conv 包中没有模块global_max_pool（我尝试了两个具有相同结果的 tflearn 包，所以我只使用了它的源代码（所有其他模块都是导入的，没有问题）。

2) ----> 5 branch1 = conv_1d(network, 128, 3, padding='valid', activation='relu', regularizer="L2") AssertionError: Incoming Tensor shape must be 3-D

你知道是什么原因吗？我怎么能克服它？