Tag: tensorflow

如何使用张量stream中的自定义python函数预取数据: 我正在尝试预取训练数据以隐藏I / O延迟。我想写自定义的Python代码，从磁盘加载数据并预处理数据（例如通过添加上下文窗口）。换句话说，一个线程进行数据预处理，另一个线程进行训练。这在TensorFlow中可能吗？更新：我有一个基于@ mrry示例的工作示例。 import numpy as np import tensorflow as tf import threading BATCH_SIZE = 5 TRAINING_ITERS = 4100 feature_input = tf.placeholder(tf.float32, shape=[128]) label_input = tf.placeholder(tf.float32, shape=[128]) q = tf.FIFOQueue(200, [tf.float32, tf.float32], shapes=[[128], [128]]) enqueue_op = q.enqueue([label_input, feature_input]) label_batch, feature_batch = q.dequeue_many(BATCH_SIZE) c = tf.reshape(feature_batch, [BATCH_SIZE, 128]) + tf.reshape(label_batch, [BATCH_SIZE, […]

Tensorflow：ImportError：libcusolver.so.8.0：无法打开共享对象文件：没有这样的文件或目录: 我在python3中导入tensorflow时遇到了问题： >>> import tensorflow as tf Traceback (most recent call last): File "/usr/local/lib/python3.5/dist-packages/tensorflow/python/pywrap_tensorflow.py", line 41, in <module> from tensorflow.python.pywrap_tensorflow_internal import * File "/usr/local/lib/python3.5/dist-packages/tensorflow/python/pywrap_tensorflow_internal.py", line 28, in <module> _pywrap_tensorflow_internal = swig_import_helper() File "/usr/local/lib/python3.5/dist-packages/tensorflow/python/pywrap_tensorflow_internal.py", line 24, in swig_import_helper _mod = imp.load_module('_pywrap_tensorflow_internal', fp, pathname, description) File "/usr/lib/python3.5/imp.py", line 242, in load_module return load_dynamic(name, filename, file) File "/usr/lib/python3.5/imp.py", line […]

“冻结”一些variables/范围在tensorflow：stop_gradient与传递variables最小化: 我试图实施敌对neural network ，它需要在交替训练minibatches期间“冻结”图中的一个或另一个部分。即有两个子networking：G和D. G( Z ) -> Xz D( X ) -> Y G损失函数依赖于D[G(Z)], D[X] 。首先，我需要在所有G参数固定的情况下对D中的参数进行训练，然后使用D中的参数固定G中的参数。第一种情况下的损失函数将是第二种情况下的负损失函数，并且更新将必须应用于第一或第二子networking的参数。我看到tensorflow有tf.stop_gradient函数。为了训练D（下游）子networking，我可以使用这个function来阻止梯度stream向 Z -> [ G ] -> tf.stop_gradient(Xz) -> [ D ] -> Y tf.stop_gradient非常简洁，没有内联示例（例如seq2seq.py太长而且不容易阅读），但看起来像在图创build期间必须调用它。这是否意味着，如果我想要交替批量阻止/取消阻止梯度stream，我需要重新创build并重新初始化图模型？此外，似乎tf.stop_gradient阻止stream经G（上游）networking的tf.stop_gradient ，对吧？作为替代scheme，我看到可以将优化器调用的variables列表作为opt_op = opt.minimize(cost, <list of variables>)如果可以获得每个variables的范围中的所有variables子网。一个人可以得到一个<list of variables>为一个tf.scope？

如何赋值给tensorflowvariables？: 我想在python中为tensorflowvariables赋值一个新的值。 import tensorflow as tf import numpy as np x = tf.Variable(0) init = tf.initialize_all_variables() sess = tf.InteractiveSession() sess.run(init) print(x.eval()) x.assign(1) print(x.eval()) 但是我得到的结果是 0 0 所以价值没有改变。我错过了什么？

在CPU上运行Tensorflow: 我在Ubuntu 14.04上安装了tensorflow的GPU版本。我在一个GPU服务器上，tensorflow可以访问可用的GPU。我想在CPU上运行tensorflow。通常我可以使用env CUDA_VISABLE_DEVICE=0在GPU编号上运行。 0。我怎样才能在CPU之间select呢？我没有with tf.device("/cpu:0"):重写我的代码with tf.device("/cpu:0"):

Tensorflow一个热门编码器？: tensorflow是否有类似scikit学习处理分类数据的一个热门编码器？将使用tf.string的占位符行为作为分类数据？我意识到我可以在将数据发送到tensorflow之前手动预处理数据，但是内置它非常方便。

TensorFlow，为什么保存模型后有3个文件？: 读过文档后，我在TensorFlow保存了一个模型，这里是我的演示代码： # Create some variables. v1 = tf.Variable(…, name="v1") v2 = tf.Variable(…, name="v2") … # Add an op to initialize the variables. init_op = tf.global_variables_initializer() # Add ops to save and restore all the variables. saver = tf.train.Saver() # Later, launch the model, initialize the variables, do some work, save the # variables to […]

如何在TensorFlow中添加正则化？: 我发现在使用TensorFlow实现的许多可用的neural network代码中，正则化术语通常是通过手动添加额外的损失值来实现的。我的问题是：有没有一种更优雅或推荐的正规化方式比手动？我也发现get_variable有一个参数regularizer 。应该如何使用？根据我的观察，如果我们通过正规化器（例如tf.contrib.layers.l2_regularizer ，将会计算一个表示正则化术语的张量，并将其添加到一个名为tf.GraphKeys.REGULARIZATOIN_LOSSES的图集合中，该集合是否会被自动使用通过TensorFlow（例如在训练时用于优化器）？还是预计我应该自己使用该集合？

从图中删除节点或重置整个默认graphics: 使用默认全局图时，是否可以在添加节点后删除节点，或者将默认图重置为空？当在IPython中以交互方式使用TF时，我发现自己不得不重新启动内核。如果可能，我希望能够更容易地尝试图表。

tensorflow：AttributeError：'模块'对象没有属性'mul': 我用了tensorflow一天，但是有一些麻烦，当我inputtensorflow时，会出现AttributeError：'module'对象没有属性'XXXXXX' 环境我使用ubuntu14.04，python2.7，CUDA工具包8.0和CuDNN v5。版本：1.10.0位置：/usr/local/lib/python2.7/dist-packages需要：名称：protobuf版本：3.2.0位置：/ usr / local / lib / python2.7 / dist-packages要求：六，setuptools 这里是我的testing代码： import tensorflow as tf a = tf.placeholder(tf.int16) b = tf.placeholder(tf.int16) add = tf.add(a, b) mul = tf.mul(a, b) with tf.Session() as sess: # Run every operation with variable input print "Addition with variables: %i" % sess.run(add, feed_dict={a: 2, b: 3}) […]