小编vik*_*ena的帖子

我试图在 tesnorflow2.0 版本中将张量转换为 numpy。由于 tf2.0 启用了急切执行，因此它应该默认工作并且在正常运行时也工作。当我在 tf.data.Dataset API 中执行代码时，它给出了一个错误

“AttributeError: 'Tensor' 对象没有属性 'numpy'”

我在 tensorflow 变量之后尝试了“.numpy()”，而对于“.eval()”，我无法获得默认会话。

from __future__ import absolute_import, division, print_function, unicode_literals
import tensorflow as tf
# tf.executing_eagerly()
import os
import time
import matplotlib.pyplot as plt
from IPython.display import clear_output
from model.utils import  get_noise
import cv2


def random_noise(input_image):
  img_out = get_noise(input_image)
  return img_out


def load_denoising(image_file):
  image = tf.io.read_file(image_file)
  image = tf.image.decode_png(image)
  real_image = image
  input_image = random_noise(image.numpy())
  input_image = tf.cast(input_image, tf.float32)
  real_image = tf.cast(real_image, tf.float32)
  return input_image, real_image


def …

我正在设计一个用于城市特征检测的深度CNN分类器.大多数时候,我的网络对建筑进行了分类和分割,但很多时候由于照明/类似的外观等与其他物体相混淆.

我想创建一个彩色地图以及可以表示某个分类器如何的分段图像？我使用softmaxwith loss来训练网络.

layer {
  name: "score"
  type: "Deconvolution"
  bottom: "pool_3"
  top: "score"
  convolution_param {
    num_output: 2
    bias_term: false
    pad:2
    kernel_size: 8
    stride: 4
  }
}

我期待输出类似于这个彩色地图图像:

我的问题是

1. 如何计算不确定性？
2. 如何在计算不确定性时处理负值？

注意:目前,我可以使用熵获得彩色地图.