小编Kav*_*veh的帖子

我一直在尝试重新访问我的 python 代码以进行神经网络预测，在运行model.predict_classes自 2021 年 1 月 1 日起已弃用的代码后我意识到。

请您支持我知道我可以用什么来代替我的代码？

代码行是：

y_pred_nn = model.predict_classes(X_test)

问题：

NameError
Traceback (most recent call last)
<ipython-input-11-fc1ddbecb622> in <module>
----> 1 print(y_pred_nn)

NameError: name 'y_pred_nn' is not defined

我有一个xx形状为的张量：

>>> xx.shape
TensorShape([32, 32, 256])

如何添加前导None尺寸以获得：

>>> xx.shape
TensorShape([None, 32, 32, 256])

我在这里看到了很多答案，但都与 TF 1.x 有关

TF 2.0 的直接方式是什么？

我在 ubuntu linux 中使用 Visual Studio Code 和此命令以 root 权限运行 VS Code（不推荐）

sudo code --user-data-dir="~/.vscode-root"

我总是在命令行中使用它，因为正常方式 Visual Studio Code 不允许我保存代码更新。但今天

sudo code --user-data-dir="~/.vscode-root" 

当我尝试在命令行中运行该代码时，该代码不再工作，它不再打开 Visual Studio 代码。点击 vscode 图标正常运行，但它不允许我保存任何内容，它要求我重试 sudo，我这样做了，但它什么也没做，我无法以这种方式输入 sudo。关于如何解决这个问题有什么建议吗？提前致谢

我只是尝试在我的 shell 中启用 Eager Execution，这实际上显示了一个错误：

AttributeError: module 'tensorflow' has no attribute 'enable_eager_execution'

我的 Tensorflow 版本是 2.0

谁能告诉我为什么我得到这个...

提前致谢

我想在import keras完成后pip install keras，但它显示如下所示的消息。我什至无法从 keras 库中调用任何函数。有谁知道这个吗？

import keras

错误：

AttributeError: module 'tensorflow.compat.v2.__internal__' has no attribute 'register_clear_session_function'

完整错误：

无法pickle <function Layer.add_loss.._tag_callable at 0x7fd4045f55e0>：找不到tensorflow.python.keras.engine.base_layer.Layer.add_loss.._tag_callable

我正在尝试使用为tensorflow 1编写的代码来训练这个神经网络，但我无法使用tensorflow 2用我的虚拟环境来pickle模型。有谁知道我哪里出错了？谢谢！

TensorFlow Hub是预训练模型的存储库。Model Garden（Model Zoo）也保留了 SOTA 模型，并提供了下载和利用其模型（如 TfHub）的设施，它们都是由 TensorFlow 创建的。

为什么要Tensorflow为模型存储库制定两个概念？

我们什么时候应该使用 TfHub 检索知名模型，什么时候应该使用 Model Garden 下载模型？它们之间有什么区别？

如何解决这个问题？我尝试过dtype=None在image.img_to_array method.

import tensorflow as tf
from tensorflow import keras
from tensorflow.keras import layers
import matplotlib.pyplot as plt
from keras.preprocessing import image

image_size = (180, 180)
batch_size = 32


model = keras.models.load_model('best_model.h5')

img = keras.preprocessing.image.load_img(
    "GarnetCreek_7-15-2019.jpeg", target_size=image_size
)

img_array = image.img_to_array(img)
img_array = tf.expand_dims(img_array, 0)  # Create batch axis

predictions = model.predict(img_array)
score = predictions[0]

这会引发以下错误：

Traceback (most recent call last):
img_array = image.img_to_array(img, dtype=None)
return image.img_to_array(img, data_format=data_format, **kwargs)
x = np.asarray(img, dtype=dtype)
    return array(a, dtype, …

我在计算填充随机变量的张量的标准差和方差时遇到问题。它抛出一条与输入错误相关的消息。

这是我的代码片段，如下所示。

# Create a tensor with 50 random values between 0 and 100
E = tf.constant(np.random.randint(low=0, high=100, size=50))
print(E)

# Calculate the standard deviation and variance
print(tf.math.reduce_std(E))
print(tf.math.reduce_variance(E))

这是控制台上显示的错误消息。

Traceback (most recent call last):
  File "C:\Users\Noyan\PycharmProjects\1_Fundementals_of_Tensorflow\001_introduction_to_tensors.py", line 515, in <module>
    print(tf.math.reduce_std(E))
  File "C:\Users\User\PycharmProjects\1_Fundementals_of_Tensorflow\venv\lib\site-packages\tensorflow\python\util\dispatch.py", line 206, in wrapper
    return target(*args, **kwargs)
  File "C:\Users\User\PycharmProjects\1_Fundementals_of_Tensorflow\venv\lib\site-packages\tensorflow\python\ops\math_ops.py", line 2558, in reduce_std
    variance = reduce_variance(input_tensor, axis=axis, keepdims=keepdims)
  File "C:\Users\User\PycharmProjects\1_Fundementals_of_Tensorflow\venv\lib\site-packages\tensorflow\python\util\dispatch.py", line 206, in wrapper
    return target(*args, **kwargs)
  File "C:\Users\User\PycharmProjects\1_Fundementals_of_Tensorflow\venv\lib\site-packages\tensorflow\python\ops\math_ops.py", line 2499, in reduce_variance
    raise TypeError("Input must …

这里描述了不同的损失函数，但可以使用缩写而不是导入和传递实际的损失对象（请参阅此处的示例）

MeanSquaredError可以作为字符串mse, MeanAbsoluteErroras传递mae。有些是显而易见的，但其他损失如CategoricalCrossentropy、CosineSimilarity、 或 呢Hinge？

我正在尝试在 TF2 模型中发挥作用batch_size。call()但是，我无法得到它，因为我知道的所有方法都返回None或张量而不是维度元组。

这是一个简短的例子

import numpy as np
import tensorflow as tf
from tensorflow import keras
from tensorflow.keras import layers
from tensorflow.keras.models import Model

class MyModel(Model):
    def __init__(self):
        super(MyModel, self).__init__()
    
    def call(self, x):
        print(len(x))
        print(x.shape)
        print(tf.size(x))
        print(np.shape(x))
        print(x.get_shape())
        print(x.get_shape().as_list())
        print(tf.rank(x))
        print(tf.shape(x))
        print(tf.shape(x)[0])
        print(tf.shape(x)[1])        
        return tf.random.uniform((2, 10))


m = MyModel()
m.compile(optimizer="Adam", loss="sparse_categorical_crossentropy", metrics=['accuracy'])
m.fit(np.array([[1,2,3,4], [5,6,7,8]]), np.array([0, 1]), epochs=1)

输出是：

Tensor("my_model_26/strided_slice:0", shape=(), dtype=int32)
(None, 4)
Tensor("my_model_26/Size:0", shape=(), dtype=int32)
(None, 4)
(None, 4)
[None, 4]
Tensor("my_model_26/Rank:0", shape=(), …

classifier.add(Dense(6, kernel_initializer = 'uniform', activation = 'relu', input_dim = 11))
classifier.add(Dense(6,kernel_initializer = 'uniform', activation = 'relu'))
classifier.add(Dense(1, kernel_initializer = 'uniform', activation = 'sigmoid')) 

classifier.compile(optimizer = 'adam', loss = 'binary_crossentropy', 
                metrics = ['accuracy']) 

#classifier.fit(X_train, y_train, batch_size = 10, epochs = 100)

classifier.fit(X_train, y_train, batch_size = 10, nb_epoch = 100)

如果我运行这个，它会说：

fit() got an unexpected keyword argument 'nb_epoch'

我nb_epochs也尝试过epoch。它仍然给出错误。我尝试了纪元，它给出了一个新的错误：

ValueError: Input 0 of layer sequential is incompatible with the layer: expected axis -1 of input shape to have …

每当我尝试运行此代码时，它都会显示：

 AttributeError: 'Sequential' object has no attribute 'predict_classes'

第一行返回错误：

result = str(model.predict_classes(roi, 1, verbose = 0)[0])
cv2.putText(copy, getLetter(result), (300 , 100), cv2.FONT_HERSHEY_COMPLEX, 2, (0, 255, 0), 2)
cv2.imshow('frame', copy)