我正在测试使用 TensorFlow 的 TFLearn 库，但由于某些配置问题无法导入它。我按照 TFLearn 教程中的要求安装了它。感谢您的帮助。

我最近才开始学习 CNN 和 tensorflow。我在测试一个全卷积网络（基于VGG16）时遇到了一个案例，我发现训练损失和验证损失都是零，并且永远不会改变。所以网络永远无法学习任何积极的特征。希望任何人都可以告诉我我的网络中发生了什么。

张量板中绘制的准确性和损失

我用最新的 tflearn 实现了网络（直接从 github 获取）。在 conv5 层，我使用了 atrous_conv_2d，而不是 conv_2d，并且在将前四个池化层和最后一个完全卷积层上采样到相同的比例之后（通过使用 upscore_layer），我合并了它们。

代码如下所示。顺便说一句，我正在做的是通过使用 tflearn 或 tensorflow 来实现本文提出的 FCN ( http://i.cs.hku.hk/~gbli/deep_saliency.html )。

先感谢您，

哲

我将 TF.LEARN 与 mnist 数据一起使用。我以 0.96 的准确度训练了我的神经网络，但现在我不确定如何预测一个值。

这是我的代码..

the value of trainX[2] is 4

我想要的是-> 4

问题是我不确定如何使用这个预测函数并输入 trainX 值来获得预测。

我正在练习 TF learn 如何使用 pandas 和 titanic 数据集。我想我掌握了它的窍门，但是在拟合我的模型时它崩溃了，我不知道为什么。我想这与我转换的方式有关，inputX and inputY但我不太确定，我认为这是正确的。

这是错误图片

我无法使用 tflearn 将图像数据集加载到 python 中，它向我显示一个错误...

以下是代码..

和 data.txt 文件包含 /path/to/image 类

例如 img1.jpeg 0 img2.jpeg 1 。. . . . . .

我正在尝试进入机器学习领域，我决定首先使用 tflearn。我使用 tflearn 的快速入门指南来了解基础知识，并尝试使用该神经网络来完成我自己设定的任务：根据鲍鱼的尺寸预测鲍鱼的年龄。为此，我.csv从 UCI 存储库下载了相应的数据集。该表采用以下格式：

性别|长度|直径|高度|整件重量|去壳重量|内脏重量|壳重量|戒指

由于年龄与环数相同，因此我这样导入.csv：

任务是根据数据预测环的数量，所以我这样设置我的输入层：

添加了四个具有默认线性激活函数的隐藏层：

由于只有一个结果（环数），因此具有一个节点的输出层：

现在我初始化模型，但在训练过程中出现上述错误：

整个例外：

据我了解，尝试将我的标签（这是一个 1600x1 张量）与我的输出层匹配时会发生异常。但我不知道如何解决这个问题。

我正在尝试使用 TFLearn（或直接使用 TensorFlow）来重建嘈杂的（如谐波）信号。我的输入有 168 列要转换为 84 个输出。我想将每一列对视为一个像素。我不必实时运行，所以我想使用多行输入来生成单个输出。我想我需要至少 20 行输入（两边各 10 行）来计算单行输出。如何适当地重塑我的数据？例如看评论：

我可以随意生成测试数据。谢谢你的帮助。

我需要在 TensorFlow 中创建一个矩阵来存储一些值。诀窍是矩阵必须支持动态形状。

我正在尝试在 numpy 中做同样的事情：

哪里x=(?)和y=2。但这不起作用，因为 zeros 不支持“部分已知的 TensorShape”，所以，我应该如何在 TensorFlow 中执行此操作？

我正在从这里寻找 Python 3.5 + TensorFlow + TFLearn 的代码：

好的，它有效。但它在学习时只使用集合中的每 64 个图像。为什么会这样？如果我有一个小集合并且希望网络使用每个第一张图像，我该怎么办？

训练消息示例

我正在尝试调整tflearn 的卷积神经网络示例，以使用约 12000 个不同的类标签和超过 100 万个训练示例进行分类。在 one-hot 编码时，标签的数量显然是一个内存消耗问题。我首先将字符串标签映射到连续整数，然后将它们作为列表传递给to_categorical()函数。以下代码导致 MemoryError：

我是否必须像这样对标签进行编码，还是应该使用与交叉熵不同的损失函数？我可以使用 tflearn 分批训练 - 我可以将生成器传递给DNN.fit()函数吗？

感谢您的任何建议！