- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
我在TF Retrain Inception上使用重新训练示例进行初始化,但是如果尝试对图像进行分类,则会收到错误消息。我使用了以下代码-分类代码是否错误或内存分配有问题?
import tensorflow as tf
import sys
# change this as you see fit
image_path = 'C:/tmp/test.jpg'
# Read in the image_data
image_data = tf.gfile.FastGFile(image_path, 'rb').read()
# Loads label file, strips off carriage return
label_lines = [line.rstrip() for line
in tf.gfile.GFile("C:/tmp/output_labels.txt")]
# Unpersists graph from file
with tf.gfile.FastGFile("C:/tmp/output_graph.pb", 'rb') as f:
graph_def = tf.GraphDef()
graph_def.ParseFromString(f.read())
_ = tf.import_graph_def(graph_def, name='')
with tf.Session() as sess:
# Feed the image_data as input to the graph and get first prediction
softmax_tensor = sess.graph.get_tensor_by_name('final_result:0')
predictions = sess.run(softmax_tensor, \
{'DecodeJpeg/contents:0': image_data})
# Sort to show labels of first prediction in order of confidence
top_k = predictions[0].argsort()[-len(predictions[0]):][::-1]
for node_id in top_k:
human_string = label_lines[node_id]
score = predictions[0][node_id]
print('%s (score = %.5f)' % (human_string, score))
C:\Users\Murph\Documents\Python Scripts\RETRAIN_INCEPTION>python classify.py
I c:\tf_jenkins\home\workspace\release-
win\device\gpu\os\windows\tensorflow\stream_executor\dso_loader.cc:135]
successfully opened CUDA library cublas64_80.dll locally
I c:\tf_jenkins\home\workspace\release-
win\device\gpu\os\windows\tensorflow\stream_executor\dso_loader.cc:135]
successfully opened CUDA library cudnn64_5.dll locally
I c:\tf_jenkins\home\workspace\release-
win\device\gpu\os\windows\tensorflow\stream_executor\dso_loader.cc:135]
successfully opened CUDA library cufft64_80.dll locally
I c:\tf_jenkins\home\workspace\release-
win\device\gpu\os\windows\tensorflow\stream_executor\dso_loader.cc:135]
successfully opened CUDA library nvcuda.dll locally
I c:\tf_jenkins\home\workspace\release-
win\device\gpu\os\windows\tensorflow\stream_executor\dso_loader.cc:135]
successfully opened CUDA library curand64_80.dll locally
E c:\tf_jenkins\home\workspace\release-
win\device\gpu\os\windows\tensorflow\core\framework\op_kernel.cc:943]
OpKernel ('op: "BestSplits" device_type: "CPU"') for unknown op: BestSplits
E c:\tf_jenkins\home\workspace\release-
win\device\gpu\os\windows\tensorflow\core\framework\op_kernel.cc:943]
OpKernel ('op: "CountExtremelyRandomStats" device_type: "CPU"') for unknown
op: CountExtremelyRandomStats
E c:\tf_jenkins\home\workspace\release-
win\device\gpu\os\windows\tensorflow\core\framework\op_kernel.cc:943]
OpKernel ('op: "FinishedNodes" device_type: "CPU"') for unknown op:
FinishedNodes
E c:\tf_jenkins\home\workspace\release-
win\device\gpu\os\windows\tensorflow\core\framework\op_kernel.cc:943]
OpKernel ('op: "GrowTree" device_type: "CPU"') for unknown op: GrowTree
E c:\tf_jenkins\home\workspace\release-
win\device\gpu\os\windows\tensorflow\core\framework\op_kernel.cc:943]
OpKernel ('op: "ReinterpretStringToFloat" device_type: "CPU"') for unknown
op: ReinterpretStringToFloat
E c:\tf_jenkins\home\workspace\release-
win\device\gpu\os\windows\tensorflow\core\framework\op_kernel.cc:943]
OpKernel ('op: "SampleInputs" device_type: "CPU"') for unknown op:
SampleInputs
E c:\tf_jenkins\home\workspace\release-
win\device\gpu\os\windows\tensorflow\core\framework\op_kernel.cc:943]
OpKernel ('op: "ScatterAddNdim" device_type: "CPU"') for unknown op:
ScatterAddNdim
E c:\tf_jenkins\home\workspace\release-
win\device\gpu\os\windows\tensorflow\core\framework\op_kernel.cc:943]
OpKernel ('op: "TopNInsert" device_type: "CPU"') for unknown op: TopNInsert
E c:\tf_jenkins\home\workspace\release-
win\device\gpu\os\windows\tensorflow\core\framework\op_kernel.cc:943]
OpKernel ('op: "TopNRemove" device_type: "CPU"') for unknown op: TopNRemove
E c:\tf_jenkins\home\workspace\release-
win\device\gpu\os\windows\tensorflow\core\framework\op_kernel.cc:943]
OpKernel ('op: "TreePredictions" device_type: "CPU"') for unknown op:
TreePredictions
E c:\tf_jenkins\home\workspace\release-
win\device\gpu\os\windows\tensorflow\core\framework\op_kernel.cc:943]
OpKernel ('op: "UpdateFertileSlots" device_type: "CPU"') for unknown op:
UpdateFertileSlots
I c:\tf_jenkins\home\workspace\release-
win\device\gpu\os\windows\tensorflow\core\common_runtime\gpu\gpu_device.cc:885] Found device 0 with properties:
name: GeForce GTX 760
major: 3 minor: 0 memoryClockRate (GHz) 1.137
pciBusID 0000:01:00.0
Total memory: 2.00GiB
Free memory: 1.65GiB
I c:\tf_jenkins\home\workspace\release-win\device\gpu\os\windows\tensorflow\core\common_runtime\gpu\gpu_device.cc:906] DMA: 0
I c:\tf_jenkins\home\workspace\release-win\device\gpu\os\windows\tensorflow\core\common_runtime\gpu\gpu_device.cc:916] 0: Y
I c:\tf_jenkins\home\workspace\release-win\device\gpu\os\windows\tensorflow\core\common_runtime\gpu\gpu_device.cc:975] Creating TensorFlow device (/gpu:0) -> (device: 0, name: GeForce GTX 760, pci bus id: 0000:01:00.0)
W c:\tf_jenkins\home\workspace\release-win\device\gpu\os\windows\tensorflow\core\framework\op_def_util.cc:332] Op BatchNormWithGlobalNormalization is deprecated. It will cease to work in GraphDef version 9. Use tf.nn.batch_normalization().
W c:\tf_jenkins\home\workspace\release-win\device\gpu\os\windows\tensorflow\core\common_runtime\bfc_allocator.cc:217] Ran out of memory trying to allocate 1.91GiB. The caller indicates that this is not a failure, but may mean that there could be performance gains if more memory is available.
call/nput/n (score = 0.61942)
Traceback (most recent call last):
File "classify_v2.py", line 33, in <module>
human_string = label_lines[node_id]
IndexError: list index out of range
最佳答案
问题出在human_string = label_lines[node_id]
;我认为您正在索引错误的数组。您可以打印top_k
的值和label_lines
的大小以确保对argsort的调用没有索引错误吗?
关于tensorflow - 如何为新类别重新训练Inception的最后一层,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/45682696/
real adaboost Logit boost discrete adaboost 和 gentle adaboost in train cascade parameter 有什么区别.. -bt
我想为 book crossing 构建训练数据矩阵和测试数据矩阵数据集。但作为 ISBN 代码的图书 ID 可能包含字符。因此,我无法应用此代码(来自 tutorial ): #Create two
我找到了 JavaANPR 库,我想对其进行自定义以读取我所在国家/地区的车牌。 似乎包含的字母表与我们使用的字母表不同 ( http://en.wikipedia.org/wiki/FE-Schri
我有一个信用卡数据集,其中 98% 的交易是非欺诈交易,2% 是欺诈交易。 我一直在尝试在训练和测试拆分之前对多数类别进行欠采样,并在测试集上获得非常好的召回率和精度。 当我仅在训练集上进行欠采样并在
我打算: 在数据集上从头开始训练 NASNet 只重新训练 NASNet 的最后一层(迁移学习) 并比较它们的相对性能。从文档中我看到: keras.applications.nasnet.NASNe
我正在训练用于分割的 uNet 模型。训练模型后,输出全为零,我不明白为什么。 我看到建议我应该使用特定的损失函数,所以我使用了 dice 损失函数。这是因为黑色区域 (0) 比白色区域 (1) 大得
我想为新角色训练我现有的 tesseract 模型。我已经尝试过 上的教程 https://github.com/tesseract-ocr/tesseract/wiki/TrainingTesser
我的机器中有两个 NVidia GPU,但我没有使用它们。 我的机器上运行了三个神经网络训练。当我尝试运行第四个时,脚本出现以下错误: my_user@my_machine:~/my_project/
我想在python的tensorflow中使用稀疏张量进行训练。我找到了很多代码如何做到这一点,但没有一个有效。 这里有一个示例代码来说明我的意思,它会抛出一个错误: import numpy as
我正在训练一个 keras 模型,它的最后一层是单个 sigmoid单元: output = Dense(units=1, activation='sigmoid') 我正在用一些训练数据训练这个模型
所以我需要使用我自己的数据集重新训练 Tiny YOLO。我正在使用的模型可以在这里找到:keras-yolo3 . 我开始训练并遇到多个优化器错误,添加了错误代码以防止混淆。 我注意到即使它应该使用
将 BERT 模型中的标记化范式更改为其他东西是否有意义?也许只是一个简单的单词标记化或字符级标记化? 最佳答案 这是论文“CharacterBERT: Reconciling ELMo and BE
假设我有一个非常简单的神经网络,比如多层感知器。对于每一层,激活函数都是 sigmoid 并且网络是全连接的。 在 TensorFlow 中,这可能是这样定义的: sess = tf.Inte
有没有办法在 PyBrain 中保存和恢复经过训练的神经网络,这样我每次运行脚本时都不必重新训练它? 最佳答案 PyBrain 的神经网络可以使用 python 内置的 pickle/cPickle
我尝试使用 Keras 训练一个对手写数字进行分类的 CNN 模型,但训练的准确度很低(低于 10%)并且误差很大。我尝试了一个简单的神经网络,但没有效果。 这是我的代码。 import tensor
我在 Windows 7 64 位上使用 tesseract 3.0.1。我用一种新语言训练图书馆。 我的示例数据间隔非常好。当我为每个角色的盒子定义坐标时,盒子紧贴角色有多重要?我使用其中一个插件,
如何对由 dropout 产生的许多变薄层进行平均?在测试阶段要使用哪些权重?我真的很困惑这个。因为每个变薄的层都会学习一组不同的权重。那么反向传播是为每个细化网络单独完成的吗?这些细化网络之间的权重
我尝试训练超正方语言。我正在使用 Tess4J 进行 OCR 处理。我使用jTessBoxEditor和SerakTesseractTrainer进行训练操作。准备好训练数据后,我将其放在 Tesse
我正在构建一个 Keras 模型,将数据分类为 3000 个不同的类别,我的训练数据由大量样本组成,因此在用一种热编码对训练输出进行编码后,数据非常大(item_count * 3000 * 的大小)
关闭。这个问题需要多问focused 。目前不接受答案。 想要改进此问题吗?更新问题,使其仅关注一个问题 editing this post . 已关闭 8 年前。 Improve this ques
我是一名优秀的程序员,十分优秀!