小编Cos*_*pel的帖子

我有两个1d向量(在某些情况下它们也可以是2d矩阵).我找到了点积的点函数,但是如果我想将a.dot(b)与这些形状相乘:

a = [1,0.2,...]
a.shape = (10,)
b = [2.3,4,...]
b.shape = (21,)
a.dot(b) and I get ValueError: matrices not aligned.

而且我想做

c = a.dot(b)
c.shape = (10,21)

有什么想法怎么做？我试过转置功能,但它不起作用.

我们从 TF1 部署了许多模型，通过图形冻结保存它们：

tf.train.write_graph(self.session.graph_def, some_path)

# get graph definitions with weights
output_graph_def = tf.graph_util.convert_variables_to_constants(
        self.session,  # The session is used to retrieve the weights
        self.session.graph.as_graph_def(),  # The graph_def is used to retrieve the nodes
        output_nodes,  # The output node names are used to select the usefull nodes
)

# optimize graph
if optimize:
    output_graph_def = optimize_for_inference_lib.optimize_for_inference(
            output_graph_def, input_nodes, output_nodes, tf.float32.as_datatype_enum
    )

with open(path, "wb") as f:
    f.write(output_graph_def.SerializeToString())

然后通过以下方式加载它们：

with tf.Graph().as_default() as graph:
    with graph.device("/" + args[name].processing_unit):
        tf.import_graph_def(graph_def, name="")
            for key, …

您好我想从tensorflow中微调VGG模型.我有两个问题.

如何从网络获得权重？trainable_variables为我返回空列表.

我从这里使用现有的模型:https://github.com/ry/tensorflow-vgg16.我发现了关于获取权重的帖子,但由于import_graph_def这对我不起作用.在TensorFlow训练的模型中获取一些权重的值

import tensorflow as tf
import PIL.Image
import numpy as np

with open("../vgg16.tfmodel", mode='rb') as f:
  fileContent = f.read()

graph_def = tf.GraphDef()
graph_def.ParseFromString(fileContent)

images = tf.placeholder("float", [None, 224, 224, 3])

tf.import_graph_def(graph_def, input_map={ "images": images })
print("graph loaded from disk")

graph = tf.get_default_graph()

cat = np.asarray(PIL.Image.open('../cat224.jpg'))
print(cat.shape)
init = tf.initialize_all_variables()

with tf.Session(graph=graph) as sess:
  print(tf.trainable_variables() )
  sess.run(init)

我正在使用celery worker从我的机器学习模型中获取结果。

我正在做的是从客户端向celery任务发送并返回大的numpy数组（几兆字节）。

目前，我正在将客户端numpy数组序列化为base64。当我直接从客户端或celery worker上的Redis存储/获取数据时，系统的性能要比/当我让celery完成所有参数传递（numpy的base64）时的系统性能要快得多。

我也想使用celery（带有'redis'代理）来传递args / numpy数组，而不是直接在客户端中进行redis。您知道哪里可能出问题吗？我如何设置celery的配置以更有效地做到这一点（在客户端->经纪人->工人之间传递数据，然后再传回客户端）。

        serialized = np.asarray(images).reshape((number_of_records, size)).ravel().tostring()
        serialized = base64.b64encode(serialized)
        #self.redis.set(key, serialized)

        print('calling celery processor')
        result = self.celery.send_task('process', args=[number_of_records, serialized], kwargs={})
        returncode, result = result.get(timeout=1000, interval=0.1) 

vs（这是更快，直接使用redis存储）：

        serialized = np.asarray(images).reshape((number_of_records, size)).ravel().tostring()
        serialized = base64.b64encode(serialized)
        self.redis.set(key, serialized)

        print('calling celery processor')
        result = self.celery.send_task('process', args=[number_of_records, key], kwargs={})
        returncode, result = result.get(timeout=1000, interval=0.1) 

        resultc= self.redis.get(key)

有关celery进行序列化，配置设置等的任何技巧？我希望该系统快速简单。我是否应该像第二个示例一样直接使用redis？