小编rea*_*ead的帖子

如何创建一个链接xxx到/home/jake/doc/test/2000/something/？

假设它xxx是在/home/jake你当前所在的位置创建的/home/jake.当你这样做cd xxx,你直接去/home/jake/doc/test/2000/something/.

我正在尝试预取训练数据以隐藏I/O延迟.我想编写自定义Python代码,从磁盘加载数据并预处理数据(例如,通过添加上下文窗口).换句话说,一个线程进行数据预处理,另一个线程进行训练.这在TensorFlow中可行吗？

更新:我有一个基于@ mrry的例子的工作示例.

import numpy as np
import tensorflow as tf
import threading

BATCH_SIZE = 5
TRAINING_ITERS = 4100

feature_input = tf.placeholder(tf.float32, shape=[128])
label_input = tf.placeholder(tf.float32, shape=[128])

q = tf.FIFOQueue(200, [tf.float32, tf.float32], shapes=[[128], [128]])
enqueue_op = q.enqueue([label_input, feature_input])

label_batch, feature_batch = q.dequeue_many(BATCH_SIZE)
c = tf.reshape(feature_batch, [BATCH_SIZE, 128]) + tf.reshape(label_batch, [BATCH_SIZE, 128])

sess = tf.Session()

def load_and_enqueue(sess, enqueue_op, coord):
  with open('dummy_data/features.bin') as feature_file, open('dummy_data/labels.bin') as label_file:
    while not coord.should_stop():
      feature_array = np.fromfile(feature_file, np.float32, 128)
      if feature_array.shape[0] == 0:
        print('reach end of …

我要替换word与WORD,但仅限于与启动线-.谁知道怎么做？

我计划运行一个非常大的循环网络(例如2048x5),是否可以在张量流中的一个GPU上定义一个层？我应该如何实施该模型以实现最佳效率.据我所知,GPU间或GPU-GPU-GPU通信存在开销.

我想删除两列之间所有行的内容.我该怎么做呢？

例如,我想要这个:

abcdefg
hijklmn
opqrstu

如果我删除第3列到第5列之间的文本,请成为此项:

abfg
himn
optu

我创建了一个大的 .tfrecords 文件，但没有看到任何错误。但是，在训练期间，当 TfRecordReader 到达 .tfrecord 文件末尾附近的某个位置时，我看到了错误“在 XXXX 截断了记录”。如何快速检查 .tfrecord 文件是否真的损坏？如果是这样，我该如何快速修复文件（可以丢弃最后几个键值对）？

我试图使用tf.while_loop()来处理可变长度输入.但是,我只能用它来固定长度.将shape =(4)更改为shape =(None)后,代码不再有效.tf.dynamic_rnn似乎处理可变长度输入.我不确定tf.ynamic_rnn是如何用tf.while_loop()实现的.

import tensorflow as tf
import numpy as np
from tensorflow.python.ops import tensor_array_ops
from tensorflow.python.ops import array_ops

with tf.Graph().as_default(), tf.Session() as sess:
  initial_m = tf.Variable(0.0, name='m')

  inputs = tf.placeholder(dtype='float32', shape=(4))
  #The code no longer works after I change shape=(4) to shape=(None)
  #inputs = tf.placeholder(dtype='float32', shape=(None)) 

  time_steps = tf.shape(inputs)[0]

  initial_outputs = tf.TensorArray(dtype=tf.float32, size=time_steps)
  initial_t = tf.constant(0, dtype='int32')

  def should_continue(t, *args):
    return t < time_steps

  def iteration(t, m, outputs_):
    cur = tf.gather(inputs, t)
    m  = m * 0.5 + cur …

似乎tensorflow不支持双向RNN的可变批量大小.在这个例子中,sequence_length它绑定到batch_size,这是一个Python整数:

  _seq_len = tf.fill([batch_size], tf.constant(n_steps, dtype=tf.int64))
  outputs, state1,state2 = rnn.bidirectional_rnn(rnn_fw_cell, rnn_bw_cell, input,
                                    dtype="float",
                                    sequence_length=_seq_len)

如何使用不同的批量大小进行培训和测试？

我想在cuda中重复一个向量来形成一个矩阵，避免太多的memcopy。向量和矩阵都在 GPU 上分配。

例如：

我有一个向量：

a = [1 2 3 4]

将其展开为矩阵：

b = [1 2 3 4;
     1 2 3 4;
     .......
     1 2 3 4]

我尝试过的是分配 b 的每个元素。但这涉及到大量的 GPU 内存到 GPU 内存的复制。

我知道这在 matlab 中很容易（使用 repmat），但是如何在 cuda 中有效地做到这一点？我没有在 cublas 中找到任何常规。