skflow

    2熱度

    1回答

    我正在爲我的深度學習項目尋找更高層抽象。 最近很少有人懷疑。 我真搞不清楚哪個更積極維護tflearn(docs),或tensorflow.contrib.learn。但是項目不同,並積極貢獻於Github。我沒有發現爲什麼人們以這種方式工作,目標相同,名稱相同,但工作方式不同。 這是不夠的,我們也有skflow,爲什麼我們分開有這個項目,這旨在模仿scikit學習一樣的功能深的學習(就像tfle

    0熱度

    1回答

    我想創建一個比需要以自定義方式連接層的更復雜的體系結構。我可以在skflow中實現此目的嗎?如果不是哪個框架最好? 謝謝

    0熱度

    1回答

    嗨,我是tensorflow的新手。我想調試Tensorflow(skflow)gmm_ops.py(高斯混合模型)。我得到錯誤:tensorflow:模型分歧與損失= NaN。 我該怎麼做?有沒有例子? raise NanLossDuringTrainingError tensorflow.python.training.basic_session_run_hooks.NanLossDurin

    0熱度

    1回答

    我想在我的Windows PC上導入skflow。我已經在Python(3.5)上安裝並使用了Anaconda。我沒有麻煩,使用tensorflow但skflow我得到的錯誤,當我想用​​: ImportError Traceback (most recent call last) <ipython-input-1-04faecc7c0de> in <module>()

    1熱度

    1回答

    這與問題skflow regression predict multiple values非常相似。然而,更高版本的TensorFlow似乎使這個問題的答案過時了。 我希望能夠在TensorFlow Learn迴歸神經網絡中有多個輸出神經元(DNNRegressor或)。我升級了引用問題中的代碼以解決TensorFlow發生的重大更改,但仍然出現錯誤。 import numpy as np im

    2熱度

    1回答

    摘要:使用新的tf.contrib.data.Dataset使圖形protobuff文件的大小加倍,我無法在Tensorboard中顯示圖形。 細節: 我一起tf.contrib.learn.Experiment框架嘗試新TensorFlow tf.contrib.data.Dataset功能。我的輸入數據被定義爲input functions,它返回特徵和標籤的張量。 如果我創建具有tf.tra

    1熱度

    1回答

    爲了使用contrib.learn.Estimator進行多GPU訓練,我試圖在我的model_fn中指定GPU分配。 在僞代碼: def model_fn(X, y): with tf.device('/gpu:1'): ... various tensorflow ops for model ... return predictions, loss, tra

    0熱度

    1回答

    我剛開始使用Tensorflow。 據我瞭解,SkFlow是TensorFlow 一... 簡化的界面和簡單的我是好的。 TensorFlow's Github具有使用包括在SkFlow虹膜數據集一些有用的起動器的實例。這來自第一個例子,即線性分類器。 iris = datasets.load_iris() feature_columns = learn.infer_real_valued_co

    2熱度

    1回答

    我正處於學習SkFlow/TensorFlow的早期階段,因此我將闡述對自己想要做的事情的理解,因爲它可能不正確。 讓我們來想象一下,我正在試圖建立一個模型來預測汽車是否會通過排放測試。 我的訓練和測試的CSV可能是這個樣子 make, fuel, year, mileage, days since service, passed test vw, diesel, 2015, 10000

    2熱度

    1回答

    我想學習與的張量流用於學習與TensorFlow高級API和無法獲得可重複的結果的問題。 TensorFlow 0.12.0-RC0(CPU只) 蟒蛇3.5 import numpy as np import tensorflow as tf import os import shutil import random #print(tf.__version__) #0.12.0-rc