小编Nic*_*tti的帖子

我在Android Studio中遇到同步错误.我使用:来自金丝雀频道的1.0.2版本. Gradle:我尝试使用2.2.1版(从https://www.gradle.org/downloads下载)和自行下载版本. JDK:jdk1.8.0_05

我创建了一个新项目,错误总是一样的:

错误:无法找到方法'org.objectweb.asm.ClassReader.getMaxStringLength()我'.此意外错误的可能原因包括:

Gradle的依赖性缓存可能已损坏(这有时会在网络连接超时后发生.)

我尝试使用缓存方法失效解决问题,并停止Gradle守护程序,但没有..

我使用如下方法创建了一个Sequential模型tf.keras:

model = tf.keras.Sequential()
model.add(tf.keras.layers.Dense(8, input_dim=4))
model.add(tf.keras.layers.Dense(3, activation=tf.nn.softmax))

opt = tf.train.AdamOptimizer(learning_rate=0.001)
model.compile(optimizer=opt, loss="categorical_crossentropy", metrics=["accuracy"])

model.summary()

之后,我使用train_on_batch以下方法创建了一个培训流程:

EPOCHS=50
for epoch in range(EPOCHS):
  for metrics, labels in dataset:
    # Calculate training loss and accuracy
    tr_loss, tr_accuracy = model.train_on_batch(metrics, labels)

当我尝试保存模型时,我收到警告.我无法理解为什么,因为我将优化器包括在内model.compile:

tf.keras.models.save_model(
    model,
    "./model/iris_model.h5",
    overwrite=True,
    include_optimizer=True
)

警告:tensorflow:TensorFlow优化器无法在实例化后访问优化程序属性或优化程序状态.因此,我们无法将优化器保存为模型保存文件的一部分.您必须在加载后再次编译模型.更喜欢使用Keras优化器(请参阅keras.io/optimizers).

我使用的TF版本是1.9.0-rc2.

使用虹膜数据集示例：

train_ds_url = "http://download.tensorflow.org/data/iris_training.csv"

使用的进口商品：

import tensorflow as tf
import pandas as pd
import numpy as np
tf.enable_eager_execution()

我下载的数据集，然后我用pd.read表示 train_plantfeatures， train_categories阵列。

categories='Plants'

train_path = tf.keras.utils.get_file(train_ds_url.split('/')[-1], train_ds_url)

train = pd.read_csv(train_path, names=ds_columns, header=0)
train_plantfeatures, train_categories = train, train.pop(categories)

之后，我用来tf.contrib.keras.utils.to_categorical创建分类表示。

y_categorical = tf.contrib.keras.utils.to_categorical(train_categories, num_classes=3)

当我尝试使用tf.data.Dataset和from_tensor_slices

dataset = tf.data.Dataset.from_tensor_slices((train_plantfeatures, y_categorical))

我收到了：

ValueError：无法将非矩形Python序列转换为Tensor。

没有急切模式的相同实现完美工作。以下是Colab示例