- 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
假设我想在神经网络中创建以下层:我希望过滤器的形状不是在某些图像上移动的方形卷积滤波器,而是其他形状,比如矩形、圆形、三角形等(这当然是一个愚蠢的例子;我想到的真实案例是不同的)。我将如何在 TensorFlow 中实现这样一个层?
我发现可以通过扩展 tf.keras.layers.Layer
在 Keras 中定义自定义层,但是文档非常有限,没有很多示例。通过例如扩展 tf.keras.layer.Layer
实现卷积层的 python 可能也有帮助,但似乎卷积层是用 C 实现的。这是否意味着我有在 C 中实现我的自定义层以获得任何合理的速度,或者 Python TensorFlow 操作是否足够?
编辑:如果我可以只定义一个权重张量就足够了,但是我可以在张量中自定义完全为零的条目并且一些权重出现在这个张量的多个位置,那么我应该能够手动构建一个卷积层和其他层。我将如何做到这一点,并将这些变量也包含在训练中?
Edit2:让我添加更多说明。我们可以举个例子,从头开始构建一个带有一个输出 channel 的 5x5 卷积层。如果输入是 10x10(加上填充所以输出也是 10x10)),我会想象通过创建一个大小为 100x100 的矩阵来做到这一点。然后我将在该矩阵的正确位置填写 25 个权重(因此一些条目为零,而一些条目相等,即所有 25 个权重将出现在该矩阵的许多位置)。然后我将输入与该矩阵相乘以获得输出。所以我的问题是双重的: 1. 我如何在 TensorFlow
中执行此操作? 2. 这会不会非常低效,是否推荐一些其他方法(假设我想稍后自定义此过滤器的外观,因此标准 conv2d
不够好)。
Edit3:使用稀疏张量并通过先前定义的 tf.Variable
赋值似乎是可行的。但是我不知道这种方法是否会遇到性能问题。
最佳答案
只需使用常规转化。带有方形过滤器的图层,并在每次权重更新后将一些值清零:
g = tf.get_default_graph()
sess.run(train_step, feed_dict={x: batch_xs, y_: batch_ys})
conv1_filter = g.get_tensor_by_name('conv1:0')
sess.run(tf.assign(conv1_filter, tf.multiply(conv1_filter, my_mask)))
其中 my_mask
是与所需模式匹配的二元张量(与您的过滤器具有相同的形状和类型)。
编辑:如果您不熟悉 tensorflow,您可能会对使用上面的代码感到困惑。我建议看看这个 example ,特别是在模型的方式is constructed (如果你这样做,你可以访问第一层过滤器作为'conv1/weights')。另外,我建议切换到 PyTorch :)
关于python - TensorFlow 中的自定义卷积层,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/55582569/
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!