小编tid*_*idy的帖子

我有Tensorflow与python api并获得这些检查点模型文件:

model.ckpt-17763.data-00000-of-00001
model.ckpt-17763.index
model.ckpt-17763.meta

但是在集成到生产环境中时,我想要一个C/C++共享库(.so文件).所以我需要使用C++代码加载这些模型文件和推理并编译到共享库.这样做有一些教程或样本吗？

许多网站(例如twitter,stackexchange)基于HTTP协议提供RESTful OPEN API.我可以基于其他协议(例如原始TCP)设计RESTful服务吗？

如果我Softmax Activation像这样设置最后一层，我正在用unet进行图像语义分割工作：

...
conv9 = Conv2D(n_classes, (3,3), padding = 'same')(conv9)
conv10 = (Activation('softmax'))(conv9)
model = Model(inputs, conv10)
return model
...

然后使用即使只有一个训练图像loss = tf.keras.losses.CategoricalCrossentropy(from_logits=False) ，训练也不会收敛。

但是，如果我没有Softmax Activation像这样设置最后一层：

...
conv9 = Conv2D(n_classes, (3,3), padding = 'same')(conv9)
model = Model(inputs, conv9)
return model
...

然后使用loss = tf.keras.losses.CategoricalCrossentropy(from_logits=True) 训练将收敛为一个训练图像。

我的groundtruth数据集是这样生成的：

X = []
Y = []
im = cv2.imread(impath)
X.append(im)
seg_labels = np.zeros((height, width, n_classes))
for spath in segpaths:
    mask = cv2.imread(spath, 0)
    seg_labels[:, …

我想用张量流（tf.estimator.Estimator）训练多标签分类模型。我需要在评估时输出准确性。但它似乎不适用于以下代码：

accuracy = tf.metrics.accuracy(labels=labels, predictions=preds)
metrics = {'accuracy': accuracy}

if mode == tf.estimator.ModeKeys.EVAL:
    return tf.estimator.EstimatorSpec(mode, loss=loss, eval_metric_ops=metrics)

这tf.metrics.accuracy不适用于多重结果。那么什么是多标签指标呢？

我正在使用具有多个 GPU 的 tensorflow2.0 进行训练。它得到以下错误。但是如果我只使用一个 GPU，它运行时没有任何错误。我的 tensorflow 版本是 tensorflow-gpu-2.0.0：

tensorflow.python.framework.errors_impl.CancelledError: 4 root error(s) found.
  (0) Cancelled:  Operation was cancelled
     [[{{node cond_6/else/_59/IteratorGetNext}}]]
  (1) Out of range:  End of sequence
     [[{{node cond_4/else/_37/IteratorGetNext}}]]
  (2) Out of range:  End of sequence
     [[{{node cond_7/else/_70/IteratorGetNext}}]]
     [[metrics/accuracy/div_no_nan/ReadVariableOp_6/_154]]
  (3) Out of range:  End of sequence
     [[{{node cond_7/else/_70/IteratorGetNext}}]]
0 successful operations.
1 derived errors ignored. [Op:__inference_distributed_function_83325]
Function call stack:
distributed_function -> distributed_function -> distributed_function -> distributed_function

这是我的代码，您可以尝试使用环境变量：CUDA_VISIBLE_DEVICES=0或CUDA_VISIBLE_DEVICES=0,1. 那会得到不同的结果：

import tensorflow as tf
import tensorflow_datasets as …

我知道这个功能solve可以解决Ax=b.但我想要一个函数来解决x的xA = b？有一些功能吗？

顺便说一句它应该像Matlab的mrdivide一样工作:

x = B/A solves the system of linear equations x*A = B for x. The matrices A and B must contain the same number of columns. MATLAB® displays a warning message if A is badly scaled or nearly singular, but performs the calculation regardless.

If A is a scalar, then B/A is equivalent to B./A.

If A is a square n-by-n matrix and B is a matrix with n columns, …

从HSV图像分开色调信道,这里是使用的代码mixChannels功能:

/// Transform it to HSV
cvtColor( src, hsv, CV_BGR2HSV );

/// Use only the Hue value
hue.create( hsv.size(), hsv.depth() );
int ch[] = { 0, 0 };
mixChannels( &hsv, 1, &hue, 1, ch, 1 );

但我知道split函数也可以这样做:

vector<Mat> chs;
split(hsv, chs);
Mat hue = chs[0];

这可以吗？如果这些是相同的,我认为拆分方法更干净.我对吗？

Viola-Jones人脸检测使用adaboost方法训练强分类器.我对beta param更新策略感到困惑:

为什么选择像这样的beta值？设置变量的目的beta是增加权重的权重.怎么样选择:

假设我现在已经获得了面欧拉角（俯仰、偏航、滚动）。如何绘制显示面部姿势的 3D 坐标轴。

下面是来自〔实施例在这里：

我想将评估结果记录到带有 tensorflow 2.0 (keras) 的文件中。我使用回调方法。它适用于model.fit，但似乎不适用于model.evaluate。这是我的代码：

csv_logger = CSVLogger(logfile, append=True, separator=';')
model.fit(train_dataset, epochs=50, callbacks=[csv_logger]) // works
model.evaluate(test_dataset, callbacks=[csv_logger]) // not work

我是否以错误的方式将评估结果记录到文件中？