小编Blu*_*lue的帖子

我正在尝试使用Keras库Tensorflow后端建模一个完全卷积的神经网络.

我面临的问题是分批饲喂不同大小的图像以实现model.fit()功能.训练集包括不同大小的图像,从768x501到1024x760不等.

不超过5张图像具有相同的尺寸,因此将它们分组成批似乎没有任何帮助.

Numpy允许以列表形式将数据存储在单个变量中.但keras model.fit()函数在接收列表类型训练数组时会引发错误.

我不希望调整大小并丢失数据,因为我已经拥有一个非常小的数据集.

我该如何培训这个网络？

我需要将传递给我的自定义损失函数的Tensorflow张量转换为numpy数组,进行一些更改并将其转换回张量.我读了一些建议在调用tensorflow会话后使用eval()函数的答案,但是我需要在loss函数中进行这种转换.我该怎么办呢？

def loss_fn(y_true, y_pred):
     #obtain y_true_np and y_pred_np - How to do this?
     #make changes to array
     #convert back using backend.variable()

编辑:尝试下面的代码:

def loss_fn(y_true, y_pred):
 #obtain y_true_np and y_pred_np - How to do this?
 y_true_np = K.eval(y_true)
 y_pred_np = K.eval(y_pred)
 # make changes to numpy arrays
 # obtain modified numpy arrays as y_true_mod & y_pred_mod 
 # convert back to tensors using backend.variable()
 out_true = K.variable(y_true_mod)
 out_pred = K.variable(y_pred_mod)
 # continue to define your custom loss with out_true & out_pred...

但是我在以下行中收到错误: …

我已经在tensorflow上训练了一个pix2pix模型，并且该模型已经以检查点的形式保存了以下文件：

model-15000.meta，model-15000.index，model-15000.data-00000-of-00001，graph.pbtxt，checkpoint。

现在，我想将其转换为protobuf文件（.pb）以进行部署。我遇到了freeze_graph.py脚本来执行此操作，但是我遇到了其中一个参数的麻烦，它是output_node_names。

我已经尝试了几个图层名称，但是出现以下错误：

断言错误：生成器/解码器_2 / batchnorm /比例/渐变不在图中

不确定如何找到output_node_names

库：Keras，后端：Tensorflow

我正在训练一个单类/二元分类问题，其中我的最后一层有一个节点，激活 sigmoid 类型。我正在用二元交叉熵损失编译我的模型。当我运行代码来训练我的模型时，我注意到损失的值大于 1。这是对的，还是我在某处出错了？我检查了标签。它们都是 0 和 1。

是否有可能使二元交叉熵损失大于 1？

numpy和tensorflow执行的数学函数之间是否有任何真正的区别。例如，指数函数还是max函数？

我注意到的唯一区别是张量流需要张量的输入，而不是numpy数组的输入。这是按值的唯一区别，而函数结果没有区别吗？

下面的一段代码：

__m128 a   = _mm_setr_ps( 1, 2, 3, 4 );
__m128 b   = _mm_set1_ps( 2 );
__m128 res = _mm_and_ps( a, b );
cout << a[0] << " " << a[1] << " " << a[2] << " " << a[3] << endl;
cout << b[0] << " " << b[1] << " " << b[2] << " " << b[3] << endl;
cout << res[0] << " " << res[1] << " " << res[2] << " " << …

__m128i以这种方式定义变量时：

__m128i a;
a.m128i_i32[0] = 65000;

我收到以下错误：

错误：请求'a'中的成员'm128i_i32'，它是非类类型'__m128i {aka __vector(2) long long int}' a.m128i_i32[0] = 65000;

我已经包含了以下头文件：

#include <x86intrin.h>
#include <emmintrin.h>
#include <smmintrin.h>

我试图使用SSE内部函数优化我的代码.在浏览完文档后,我发现__m128SSE中有浮点变量的数据类型,能够存储4个浮点数.__m128dSSE2中只有一个能够存储2个浮点数吗？这些变量有什么区别？SSE2不应该比SSE快吗？