小编Baz*_*rds的帖子

我已经基于"广泛而深入"的例子创建了一个模型(https://github.com/tensorflow/tensorflow/blob/master/tensorflow/examples/learn/wide_n_deep_tutorial.py).

我已经将模型导出如下:

  m = build_estimator(model_dir)
  m.fit(input_fn=lambda: input_fn(df_train, True), steps=FLAGS.train_steps)
  results = m.evaluate(input_fn=lambda: input_fn(df_test, True), steps=1)

  print('Model statistics:')

  for key in sorted(results):
    print("%s: %s" % (key, results[key]))

  print('Done training!!!')

  # Export model
  export_path = sys.argv[-1]
  print('Exporting trained model to %s' % export_path)

  m.export(
   export_path,
   input_fn=serving_input_fn,
   use_deprecated_input_fn=False,
   input_feature_key=INPUT_FEATURE_KEY

我的问题是,如何创建一个客户端来从这个导出的模型进行预测？还有,我是否正确导出了模型？

最终我也需要能够在Java中做到这一点.我怀疑我可以通过使用gRPC从proto文件创建Java类来实现这一点.

文档非常粗略,因此我在这里问.

非常感谢!

我有一个Canny边缘检测到的球的图像(见下面的链接),其中包含许多嘈杂的边缘.什么是最好的图像处理技术,我可以用来删除这些嘈杂的边缘而不删除属于球的边缘？

原始图像

Canny边缘图像

非常感谢大家的帮助和建议,非常感谢!

Ps我试图在使用Circle Hough Transform来检测球之前清理边缘图像.

我已经在 Tensorflow 中实现了以下自动编码器，如下所示。它基本上将 MNIST 数字作为输入，学习数据的结构并在其输出处再现输入。

from __future__ import division, print_function, absolute_import

import tensorflow as tf
import numpy as np
import matplotlib.pyplot as plt

# Import MNIST data
from tensorflow.examples.tutorials.mnist import input_data
mnist = input_data.read_data_sets("MNIST_data", one_hot=True)

# Parameters
learning_rate = 0.01
training_epochs = 20
batch_size = 256
display_step = 1
examples_to_show = 10

# Network Parameters
n_hidden_1 = 256 # 1st layer num features
n_hidden_2 = 128 # 2nd layer num features
n_input = 784 # MNIST data input (img shape: …

我是Torch的新手,想从两个目录中加载一些图像(每个标签一个).我正在尝试构建一个卷积神经网络,将图像归类为属于一个类或另一个类(即二进制分类器),但我不确定如何加载图像,标记这些图像并将数据转换为正确的格式.我正在使用以下教程,但是训练数据以不同的方式加载,我不熟悉.

http://code.madbits.com/wiki/doku.php?id=tutorial_supervised

希望有人可以帮助我开始并指出我正确的方向.

提前谢谢了.