- android - 多次调用 OnPrimaryClipChangedListener
- android - 无法更新 RecyclerView 中的 TextView 字段
- android.database.CursorIndexOutOfBoundsException : Index 0 requested, 光标大小为 0
- android - 使用 AppCompat 时,我们是否需要明确指定其 UI 组件(Spinner、EditText)颜色
我正在学习如何使用 Gym 环境来训练使用 TFLearn 构建的深度学习模型。
目前我的观察数组具有以下形状:(210, 160, 3)
关于 reshape 此数组以便将其用于 TensorFlow 分类模型的最佳方法有什么建议吗?
最佳答案
标准方法(如 DeepMing 的 DQN paper 中所述)是:
将其转换为灰度,最终得到 (210,160)。在这里您最好检查是否丢失了有用的信息,在某些游戏中可能会发生这种情况。 (例如,球的“颜色”与背景相同)。在这里你可以使用类似的东西:
processed = np.mean(frame,2,keepdims = False)
将采样降低到 (110,84)。在这里您可以使用 OpenCV 或任何其他方便的库:
调整大小 = cv2.resize(已处理, (110,84),插值 = cv2.CV_INTER_LINEAR)
裁剪屏幕的中央部分 (84,84)
结果 = 调整大小[13:97]
虽然,这在 DeepMind 论文中有所描述,您可以使用更方便但仍然有效的程序,例如:
转换为灰度:
processed = np.mean(frame,2,keepdims = False)
裁剪中心部分:
裁剪 = 已处理[35:195]
将采样缩小 2 倍并得到 (80,80) 图像:
结果 = 裁剪[::2,::2]
Andrej Karpathy 在他的 blog 中使用了类似的方法。
您还可以使用其他尺寸、转换为二进制图像而不是灰度图像或任何更适合您的应用程序的图像。
处理完图像后,您可以将其输入卷积网络或展平为一维数组并输入全连接网络。
使用多个帧(通常是 4 个)的堆栈作为网络输入以及跳帧(在拍摄一帧后跳过接下来的 3 帧)也很有用,因为它们通常不包含太多有用的信息。
关于python - 为 TensorFlow reshape Gym 数组,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/49621599/
我想将模型及其各自训练的权重从 tensorflow.js 转换为标准 tensorflow,但无法弄清楚如何做到这一点,tensorflow.js 的文档对此没有任何说明 我有一个 manifest
我有一个运行良好的 TF 模型,它是用 Python 和 TFlearn 构建的。有没有办法在另一个系统上运行这个模型而不安装 Tensorflow?它已经经过预训练,所以我只需要通过它运行数据。 我
当执行 tensorflow_model_server 二进制文件时,它需要一个模型名称命令行参数,model_name。 如何在训练期间指定模型名称,以便在运行 tensorflow_model_s
我一直在 R 中使用标准包进行生存分析。我知道如何在 TensorFlow 中处理分类问题,例如逻辑回归,但我很难将其映射到生存分析问题。在某种程度上,您有两个输出向量而不是一个输出向量(time_t
Torch7 has a library for generating Gaussian Kernels在一个固定的支持。 Tensorflow 中有什么可比的吗?我看到 these distribu
在Keras中我们可以简单的添加回调,如下所示: self.model.fit(X_train,y_train,callbacks=[Custom_callback]) 回调在doc中定义,但我找不到
我正在寻找一种在 tensorflow 中有条件打印节点的方法,使用下面的示例代码行,其中每 10 个循环计数,它应该在控制台中打印一些东西。但这对我不起作用。谁能建议? 谢谢,哈米德雷萨, epsi
我想使用 tensorflow object detection API 创建我自己的 .tfrecord 文件,并将它们用于训练。该记录将是原始数据集的子集,因此模型将仅检测特定类别。我不明白也无法
我在 TensorFlow 中训练了一个聊天机器人,想保存模型以便使用 TensorFlow.js 将其部署到 Web。我有以下内容 checkpoint = "./chatbot_weights.c
我最近开始学习 Tensorflow,特别是我想使用卷积神经网络进行图像分类。我一直在看官方仓库中的android demo,特别是这个例子:https://github.com/tensorflow
我目前正在研究单图像超分辨率,并且我设法卡住了现有的检查点文件并将其转换为 tensorflow lite。但是,使用 .tflite 文件执行推理时,对一张图像进行上采样所需的时间至少是使用 .ck
我注意到 tensorflow 的 api 中已经有批量标准化函数。我不明白的一件事是如何更改训练和测试之间的程序? 批量归一化在测试和训练期间的作用不同。具体来说,在训练期间使用固定的均值和方差。
我创建了一个模型,该模型将 Mobilenet V2 应用于 Google colab 中的卷积基础层。然后我使用这个命令转换它: path_to_h5 = working_dir + '/Tenso
代码取自:- http://adventuresinmachinelearning.com/python-tensorflow-tutorial/ import tensorflow as tf fr
好了,所以我准备在Tensorflow中运行 tf.nn.softmax_cross_entropy_with_logits() 函数。 据我了解,“logit”应该是概率的张量,每个对应于某个像素的
tensorflow 服务构建依赖于大型 tensorflow ;但我已经成功构建了 tensorflow。所以我想用它。我做这些事情:我更改了 tensorflow 服务 WORKSPACE(org
Tensoflow 嵌入层 ( https://www.tensorflow.org/api_docs/python/tf/keras/layers/Embedding ) 易于使用, 并且有大量的文
我正在尝试使用非常大的数据集(比我的内存大得多)训练 Tensorflow 模型。 为了充分利用所有可用的训练数据,我正在考虑将它们分成几个小的“分片”,并一次在一个分片上进行训练。 经过一番研究,我
根据 Sutton 的书 - Reinforcement Learning: An Introduction,网络权重的更新方程为: 其中 et 是资格轨迹。 这类似于带有额外 et 的梯度下降更新。
如何根据条件选择执行图表的一部分? 我的网络有一部分只有在 feed_dict 中提供占位符值时才会执行.如果未提供该值,则采用备用路径。我该如何使用 tensorflow 来实现它? 以下是我的代码
我是一名优秀的程序员,十分优秀!