tensorflow

    8

    1答えて

    の保存と復元: Tensorflow: how to save/restore a model? 私はsklearnスタイルでtensorflowモデルをラップするオブジェクトを持っています。 import tensorflow as tf class tflasso(): saver = tf.train.Saver() def __init__(self,

    7

    2答えて

    私は、レイヤー間の重みがリストに格納されている深いニューラルネットワークを持っています。 layers[j].weights私はコスト関数にリッジペナルティを含める必要があります。私は、 tf.nn.l2_loss(layers[j].weights**2 for j in range(self.n_layers))のようなもの、つまりすべての重みの二乗和を使用する必要があります。私はtensor

    18

    2答えて

    cifar10デモ用のテンソルボードdashboardを見ると、複数の実行のデータが表示されます。このようにしてグラフを出力データに設定する方法を示す良い例を見つけるのは難しいです。私は現在、thisに似た何かをやっているが、それは実行からのデータを結合しているようだと、新しい実行が起動するたびに、私は、コンソール上の警告を参照してください。 警告:ルート:走行あたり見つかりつ以上のグラフイベント

    5

    1答えて

    私はGAEアプリケーションの一部としてデータ処理モジュールを持っています。 TensorFlowには、LinuxとOSX用のインストーラーがあり、GAEサンドボックスでうまく動作しない可能性があります。 GAEモジュールでTensorFlowを使用することは可能ですか?

    5

    1答えて

    現在テンソルのtensorboard is not compatible with python3です。したがって、一般的に、100回のエポックで要約情報を一度プリントアウトする方法を探しています。 次の行で生成されたsummary_strバイト文字列を浮動小数点の辞書に解析する機能はありますか? summary_op = tf.merge_all_summaries() summary_str

    5

    2答えて

    私はTensor FlowでLSTMを扱おうとしています。私はチュートリアルをオンラインで見つけました。一連のシーケンスが取り込まれ、目的関数はLSTMの最後の出力と既知の値で構成されています。しかし、私は目的関数が各出力からの情報を使用するようにしたいと思います。具体的には、私は(つまり、文章中の単語のすべての文字を学ぶ)LSTMは、シーケンスのセットを学ぶ持ってしようとしています。: cell

    8

    1答えて

    私たちは私たちがファイル名を生成distorted_inputs()機能で images,labels = cifar10.distorted_inputs() として画像を取得cifar10_train.pyで列車の機能で今すぐTensorFlow getting started guide for CNN でCIFAR-10例を経ましたキューを開いて単一のレコードを読み込みます。 # Cr

    12

    2答えて

    最近、私はTensorFlowの使用方法を習得しようとしていましたが、可変スコープがどのように正確に機能するかはわかりません。 import tensorflow as tf from tensorflow.models.rnn import rnn_cell from tensorflow.models.rnn import rnn inputs = [tf.placeholder(tf

    12

    4答えて

    は私がTrue秒数を取得するには、結果のshape[0]を使用することができるようにtf.whereは、True値の位置を返すことを理解しています。 しかし、これを試して使用すると、次元は不明です(これは実行時に計算する必要があるため意味があります)。ですから、私の質問は、ディメンションにアクセスして合計のような操作でそれを使用するにはどうすればいいのですか? 例えば: myOtherTensor

    5

    1答えて

    mnist/cifarチュートリアルを完了した後、私はテンソルフローを自分の「大きな」データセットを使って実験したいと考えていましたが、簡単にするために、 28×28ピクセルの画像(そのうちの5000枚の訓練画像、1000枚のテスト画像)として0.0-1.0の尺度で独立して高さと幅を変える楕円形の形状である。 私のコードは、(速度のために戻ってスケーリング)の基礎として'MNIST expert'