tfrecord

0熱度

1回答

對於特定的瀏覽器，我在ant compilation之後遇到了問題。如果我爲所有瀏覽器使用ant構建一切正常，但是如果我爲特定瀏覽器編譯GWT DevMode直到刪除所有文件從war。正如你所知，所有瀏覽器的螞蟻構建都需要很長時間。因此，任務的可傳遞性非常低。這是我的代碼：對於OrphanWorkspace模塊，我認爲，我繼承了所有必需的東西，並且<inherits name='com.alle

1熱度

2回答

用tfslim解碼tfrecord

我在CPU上使用Python 2.7.13和Tensorflow 1.3.0。我想使用DensNet（https://github.com/pudae/tensorflow-densenet）進行迴歸問題。我的數據包含60000個jpeg圖像，每個圖像有37個浮動標籤。我救了我的數據轉換成tfrecords文件方式： def Read_Labels(label_path): labels_c

0熱度

1回答

ListView和TranslateAnimation負值不刷新其他元素

我在我的TranslateAnimation中應用了一個負toXDelta，這導致了一個錯誤，當我滾動到列表中時，因爲ther是另一個移動列表。您可以在此抓屏看到我的問題療法是我的XML爲橙色名單 <LinearLayout android:id="@+id/ll_list_ghm" android:layout_width="wrap_content" andr

0熱度

1回答

讀取TF記錄文件需要很長時間

試圖在這裏通過張量流tutorial;我用〜100個圖像構建一個tf記錄文件，現在當我嘗試以下操作時，內核會掛起;這是爲什麼發生？課題組記錄文件不是很大隻有30MB +左右，它不應該採取長期在閱讀他們： import tensorflow as tf import os print(os.path.exists("../carmakesorter/train-00000-of-00001")

0熱度

1回答

tf.contrib.data.TFRecordDataset無法讀取* .tfrecord

在創建和加載.tfrecord文件的情況下我遇到了以下問題：生成dataset.tfrecord文件的文件夾/ Batch_manager /資產包含了一些*。TIF被用來生成一個dataset.tfrecord文件圖片： def _save_as_tfrecord(self, path, name): self.__filename = os.path.join(path, nam

0熱度

1回答

將tfrecords中的原始字節解碼爲tf.feature_column.numeric_column功能

我有一個tfrecords文件，將圖像存儲爲字節串。我想將此特性列定義爲tf.feature_column.numeric_column("image", shape=[64, 64], dtype=tf.float32)，但由於它不是作爲float_list存儲在tfrecords文件中，所以不起作用。然後我嘗試使用我定義的numeric_column的normalizer_fn參數。然而 d

0熱度

1回答

寫入和讀取tfrecord文件中的SparseTensor

可以優雅地做到這一點嗎？現在我唯一能想到的就是將SparseTensor的索引（tf.int64），值（tf.float32）和形狀（tf.int64）保存在3個獨立的功能中（前兩個是VarLenFeature最後一個是FixedLenFeature）。這看起來很麻煩。任何意見是讚賞！更新1 下面我的回答是不適合用於構建計算圖（B/C稀疏張量中的內容經由sess.run（）中，如果調用花費了

7熱度

2回答

如何檢查Tensorflow .tfrecord文件？

我有一個.tfrecord但我不知道它是如何組織的。如何檢查模式以瞭解.tfrecord文件包含的內容？所有的Stackoverflow答案或文檔似乎假設我知道該文件的結構。 reader = tf.TFRecordReader() file = tf.train.string_input_producer("record.tfrecord") _, serialized_record =

1熱度

1回答

如何將numpy數組存儲爲tfrecord？

我想從numpy數組中創建tfrecord格式的數據集。我試圖存儲2D和3D座標。 2D座標型的形狀（2,10）的numpy的陣列float64 三維座標型float64 的形狀（3,10）的numpy的陣列，這是我的代碼： def _floats_feature(value): return tf.train.Feature(float_list=tf.train.FloatList(

0熱度

1回答

有沒有更簡單的方法來處理來自tfrecords的批量輸入？

我的問題是關於如何從多個（或分片）tfrecords獲取批量輸入。我已閱讀示例https://github.com/tensorflow/models/blob/master/inception/inception/image_processing.py#L410。基本流程是，以訓練集爲例，（1）首先從這些文件名中生成一系列記錄（例如，train-000-of-005,train-001-of-0