¿ Session.run(fetches, feed_dict) garantiza que Session.run(fetches, feed_dict) ejecute sus argumentos de fetches en orden? La documentación no parece mencionarlo. Por ejemplo, si ejecuta sess.run([accuracy, train_op], feed_dict=feed_dict) El orden de ejecución es importante: train_op actualizará los parámetros que afectan la accuracy .
Estoy tratando de seguir el tutorial de tensor flow como se describe en este enlace Estoy tratando de imprimir el resultado predicho como se describe: print (“Predicted %d, Label: %d” % (classifier.predict(test_data[0]), test_labels[0])) Pero no puedo imprimir el resultado. Estoy teniendo el siguiente error. print (“Predicted %d, Label: %d” % (classifier.predict(test_data[0]), test_labels[0])) TypeError: %d format: […]
He hecho una regresión lineal simple en Tensorflow. ¿Cómo puedo saber cuáles son los coeficientes de la regresión? He leído los documentos pero no puedo encontrarlos por ningún lado! ( https://www.tensorflow.org/api_docs/python/tf/estimator/LinearRegressor ) Ejemplo de Código EDIT import numpy as np import tensorflow as tf # Declare list of features, we only have one real-valued feature […]
NOTA: Mi primera pregunta aquí. Perdón por la falta de detalles o información. Más que feliz de aclarar si es necesario. Estoy ejecutando TensorFlow 1.0.0 en Mac y recibo esta advertencia cuando uso la clase learn.Estimator ADVERTENCIA: tensorflow: Desde: 25: ajuste de llamada (desde tensorflow.contrib.learn.python.learn.estimators.estimator) con y está en desuso y se eliminará después del […]
He intentado usar tensorflow durante dos días, instalándolo y reinstalándolo una y otra vez en python2.7 y 3.4. No importa lo que haga, recibo este mensaje de error cuando bash usar tensorflow.placeholder () Es un código muy repetitivo: tf_in = tf.placeholder(“float”, [None, A]) # Features No importa lo que haga siempre recupero el rastro: Traceback […]
Estoy tratando de usar: train = optimizer.minimize(loss) pero los optimizadores estándar no funcionan con tf.float64 . Por lo tanto, quiero truncar mi loss de tf.float64 a solo tf.float32 . Traceback (most recent call last): File “q4.py”, line 85, in train = optimizer.minimize(loss) File “/Library/Python/2.7/site-packages/tensorflow/python/training/optimizer.py”, line 190, in minimize colocate_gradients_with_ops=colocate_gradients_with_ops) File “/Library/Python/2.7/site-packages/tensorflow/python/training/optimizer.py”, line 229, in compute_gradients […]
Tengo curiosidad por la implementación de tf.nn.conv2d(…) de tf.nn.conv2d(…) . Para llamarlo, uno simplemente ejecuta tf.nn.conv2d(…) . Sin embargo, voy por el agujero del conejo tratando de ver dónde se ejecuta. El código es el siguiente (donde la flecha indica la función que finalmente llama): tf.nn.conv2d(…) -> tf.nn_ops.conv2d(…) -> tf.gen_nn_ops.conv2d(…) -> _op_def_lib.apply_op(“Conv2D”, …) -> ? […]
Estoy leyendo imágenes en mi red de TF, pero también necesito las tags asociadas junto con ellas. Así que intenté seguir esta respuesta , pero las tags que se imprimen no coinciden con las imágenes que recibo en cada lote. Los nombres de mis imágenes están en el formato dir/3.jpg , así que simplemente extraigo […]
Supongamos que tenemos dos gráficos de cálculo TensorFlow, G1 y G2 , con pesos guardados W1 y W2 . Supongamos que construimos un nuevo gráfico G simplemente construyendo G1 y G2 . ¿Cómo podemos restaurar tanto W1 como W2 para este nuevo gráfico G ? Para un ejemplo simple: import tensorflow as tf V1 = […]
¿Alguien sabe cómo actualizar un subconjunto (es decir, solo algunos índices) de los pesos que se utilizan en la propagación hacia adelante? Mi conjetura es que podría ser capaz de hacerlo después de aplicar compute_gradients de la siguiente manera: optimizer = tf.train.GradientDescentOptimizer(learning_rate=learning_rate) grads_vars = optimizer.compute_gradients(loss, var_list=[weights, bias_h, bias_v]) … y luego hacer algo con la […]