问题标签 [tflearn]

我正在我的数据测试中编写代码，但形状有误。我的矩阵“X”包含 4 列和 3824 行。我想用4输入和1输出预测某个地方的辐射剂量将来我会增加条目但我想先用这个数据库做一个测试

使用示例：https ://github.com/tflearn/tflearn/blob/master/examples/images/dnn.py

代码：

消息错误：

请帮忙？

我正在使用 Windows 7 和 tflearn（版本 0.2.2，tensorflow 版本 0.12.1，python 3.5）并且我从http://www.lfd.uci.edu/~gohlke/pythonlibs/手动安装了 scipy 当我运行时一个 tflearn 代码总是有错误消息“scipy not supported”。

到目前为止，代码运行良好，如果我不需要 scipy 依赖的东西。当我使用需要 scipy 的 tflearn.data_preprocessing.ImageAugementation 时，它给了我一个 NameError: name 'scipy'not defined。我检查了脚本，它尝试导入 scipy.ndimage。

我不知道是什么导致了这个错误，scipy 已经安装了，但是 tflearn 却找不到它……</p>

我正在 TensorFlow 中开展一个项目，该项目对已经训练好的机器学习模型执行操作。按照教程TFLearn 快速入门，我构建了一个深度神经网络，可以根据泰坦尼克号数据集预测生存。我想以与使用 TensorFlow 模型相同的方式使用 TFLearn 模型。

TFLearn 文档主页说

完全透明的 TensorFlow。所有函数都建立在张量之上，可以独立于 TFLearn 使用

这让我觉得我可以将张量作为输入等传递给 TFLearn 模型。

目前，当我将张量传递给模型时，我会遇到ValueError: setting an array element with a sequence。

具体来说，如何将张量传递给 TFLearn 模型？一般来说，我如何在 TFLearn 模型上使用张量有什么限制？

我正在使用 Jupyter 笔记本尝试生成一长串 TF Learn DNN 对象以进行一些蛮力试错测试（我知道这不是最有效的方法，只是试图展示一个示例）。数据遵循泰坦尼克号快速入门教程。

我有一个函数，给定一堆参数，应该返回一个 tflearn.DNN() 对象：

然后我使用该函数生成一个特定的模型：

但我收到一条可爱的错误消息，将我带入 TF Learn 代码，我很快就迷路了：

从函数返回模型是否超出了 TF Learn 的范围？或者还有其他障碍？

当我尝试预测时，它显示错误：“无法为具有形状 '(?, 32, 32, 3) 的张量 u'input/X:0' 提供形状 (32, 32, 3) 的值”。

请有人帮忙。

我在互联网上搜索了一个不错的文档或带有一些描述的示例，但一无所获。我正在尝试做的是对一个单词或小短语（最多 3 个单词）进行分类，并给它们一个优先级“标签”。（例如：Stephen Hawking => 1，Mr. Red => 0）我试图用多层感知器来做这个，但是我不能用单词作为测试数据。所以我试图用RNN来做，使用TensorFlow的tflearn库。问题是我找不到任何关于我应该如何预处理数据，或者我应该如何将数据提供给 LSTM 层的文档。

我写了一点代码：

数据的形状 => "name";0/1

当我执行此代码时，我收到此错误：

有人可以帮我更好地理解那些层/算法吗？

提前谢谢了

所以我一直试图在我的自动编码器中创建一个混淆指标

我已经完成了文档，但它们对我来说不是很有用。

我将如何配置以获得混淆矩阵？

我试图比较来自 tflearn 的文本分类教程代码：https ://github.com/tflearn/tflearn/blob/master/examples/nlp/cnn_sentence_classification.py

还有来自 dennybritz 的： https ://github.com/dennybritz/cnn-text-classification-tf

这两个代码显示了不同的结果，我知道这可能是因为 tflearn 教程使用 1d 卷积，但是有一行代码我不明白：

网络 = global_max_pool（网络）

global_max_pool 和 max_pool_2d 有什么区别？

我想使用图像（像素信息）和数据的混合在 Tflearn-Tensorflow 中训练卷积神经网络。因为我的图像数量很少，所以我需要使用图像增强来增加我传递给网络的图像样本的数量。但这意味着我只能将图像数据作为输入数据传递，必须在稍后阶段添加非图像数据，大概是在全连接层之前。我不知道该怎么做，因为当我调用 model.fit({'input': ) 时，我似乎只能告诉网络要使用什么数据，而且我无法传递这两种类型的连接那里的数据作为 input_data 直接调用图像增强。我可以在中期进行任何连接以添加额外数据或任何其他替代方法，以允许我使用 ImageAugmentation 和训练网络所需的非图像数据吗？我的代码在下面有一些评论。非常感谢。

我是 Tensorflow 的新手并尝试运行示例代码，但我无法理解该程序中发生了什么：

任何人都可以解释从该input_fn行开始发生的事情。是batch_size输入数据的大小吗？num_epochs既然我告诉估算器它需要 1000 步，为什么我需要它？

提前致谢 ！