Python
Java
PHP
IOS
Android
Nodejs
JavaScript
Html5
Windows
Ubuntu
Linux
从tensorflow 2.0 beta中的tf.data.Dataset检索下一个元素
在tensorflow 2 0 beta之前 要从tf data Dataset中检索第一个元素 我们可以使用迭代器 如下所示 usr bin python import tensorflow as tf train dataset tf
python
tensorflow
Iterator
tensorflowdatasets
tensorflow20
Tensorflow:从 TFRecords 文件中提取图像和标签
我有一个 TFRecords 文件 其中包含图像及其标签 名称 大小等 我的目标是将标签和图像提取为 numpy 数组 我执行以下操作来加载文件 def extract fn data record features Extract fea
python
tensorflow
tensorflowdatasets
tf.data.Dataset 迭代器返回 Tensor("IteratorGetNext:1", shape=(None, 16), dtype=int32) 但无法获取张量的值
我正在尝试编写一个自定义模型 其中我正在编写一个自定义train step功能 我正在从自定义数据生成器创建 tf data Dataset 例如 tds tf data Dataset from generator tdg iter ar
tensorflow
Keras
tensorflow20
tensorflowdatasets
tfkeras
TensorFlow 数据集的函数 cache() 和 prefetch() 有何作用?
我正在关注 TensorFlow图像分割 https www tensorflow org tutorials images segmentation教程 其中有以下几行 train dataset train cache shuffle
tensorflow
caching
Dataset
tensorflowdatasets
Prefetch
TF 数据 API:如何有效地从图像中采样小块
考虑创建从高分辨率图像目录中采样随机小图像块的数据集的问题 Tensorflow 数据集 API 提供了一种非常简单的方法来实现此目的 即构建图像名称的数据集 对它们进行排序 将其映射到加载的图像 然后映射到随机裁剪的补丁 然而 这种幼稚的
tensorflow
tensorflowdatasets
如何使用 tf.data.Dataset.from_generator() 将参数发送到生成器函数?
我想创建多个tf data Dataset使用from generator 功能 我想向生成器函数发送一个参数 raw data gen 这个想法是生成器函数将根据发送的参数产生不同的数据 这样我想raw data gen能够提供训练 验证
python
python3x
tensorflow
tensorflowdatasets
通过 feature_columns 使用 Dataset API 将自由文本特征输入 Tensorflow Canned Estimators
我正在尝试建立一个模型reddit score f subreddit comment 主要是作为一个示例 我可以在此基础上构建一个工作项目 我的代码是here https github com andrewm4894 my google
tensorflow
googlecloudml
tensorflowdatasets
tensorflowestimator
使用 Dataset API 在 Tensorflow 中批量滑动窗口
有没有办法修改一批图像的组成 目前 当我创建例如大小为 4 的批次 我的批次将如下所示 Batch1 Img0 Img1 Img2 Img3 第2批 Img4 Img5 Img6 Img7 我需要修改批次的组成 以便它只会转移到下一个图像一
python
tensorflow
tensorflowdatasets
正确使用 tfds.load() 中的 Cifar-10 数据集
我正在尝试使用 Cifar 10 数据集来练习我的 CNN 技能 如果我这样做就可以了 train images train labels test images test labels datasets cifar10 load data
python
tensorflow
tensorflowdatasets
TensorFlow Custom Estimator - 在 model_fn 发生微小变化后恢复模型
我在用tf estimator Estimator为了开发我的模型 我写了一个model fn并训练了 50 000 次迭代 现在我想对我的model fn 例如添加一个新层 我不想从头开始训练 我想恢复 50 000 个检查点的所有旧变量
tensorflow
tensorflowdatasets
tensorflowestimator
合并两个 Tensorflow 数据集
我有两个 Tensorflow 数据集 我分别处理它们以获得不同的特征和目标窗口 window size x 3 window size y 2 shift size 1 x np arange 10 y x 10 x x window s
python
tensorflow
deeplearning
tensorflowdatasets
Tensorflow tf.data.Dataset.cache似乎没有达到预期的效果
我正在尝试按照以下方法提高我的模型训练性能使用 tf data API 获得更好的性能 https www tensorflow org guide data performance指导方针 然而 我观察到使用的性能 cache 如果与没有
python
tensorflow
tensorflow20
tensorflowdatasets
如何获取tf.data.dataset的形状?
我知道数据集有output shapes 但它显示如下 data set DatasetV1Adapter 形状 item id hist 标签 client platform 入口 item id lable 模式 时间 user id
tensorflow
machinelearning
deeplearning
tensorflowdatasets
具有混合数据类型的 TensorFlow 数据集生成器
我正在使用 TensorFlow 数据集 API https www tensorflow org guide datasets https www tensorflow org guide datasets 特别是 我将它与 Tensor
tensorflow
tensorflowdatasets
tensorflowestimator
Tensorflow 2 抛出 ValueError:as_list() 未在未知 TensorShape 上定义
我正在尝试在 Tensorflow 2 0 中训练 Unet 模型 该模型将图像和分割掩模作为输入 但我得到了ValueError as list is not defined on an unknown TensorShape 堆栈跟踪显
无法在jupyter笔记本中导入tensorflow_datasets模块
I am trying tensorflow course from Udacity which uses google colab to write run the code But I want to run the code on m
tensorflow
jupyternotebook
Anaconda
tensorflowdatasets
将 Tensorflow 数据集 API 创建的数据集拆分为训练和测试?
有谁知道如何将 Tensorflow 中的数据集 API tf data Dataset 创建的数据集拆分为测试和训练 假设你有all dataset的变量tf data Dataset type test dataset all data
tensorflow
tensorflowdatasets
Keras 模型未能减少损失
我提出一个例子 其中tf keras模型无法从非常简单的数据中学习 我在用着tensorflow gpu 2 0 0 keras 2 3 0和Python 3 7 在文章的最后 我给出了重现我观察到的问题的 Python 代码 Data 样
python
tensorflow
Keras
deeplearning
tensorflowdatasets
如何访问 tf.data.Dataset.list_files() 收集的文件名?
我在用 file data tf data Dataset list files png 收集图像文件以在 TensorFlow 中进行训练 但希望访问收集的文件名列表 以便执行标签查找 调用 sess run file data 一直不成
python
tensorflow
tensorflowdatasets
Tensorflow/models 使用 COCO 90 类 ID,尽管 COCO 只有 80 个类别
Tensorflows object detection 项目的标签图包含 90 个类别 尽管 COCO 只有 80 个类别 因此参数num classes在所有示例配置中设置为 90 如果我现在下载并使用COCO 2017数据集 我需要将
tensorflow
tensorflowdatasets
TFRecord
1
2
3
4
5
»