我试图协调来自TF“图表和会话”指南和TF“Keras”指南和TF Estimators指南的信息。在前者,它说tf.会议提供计算图访问物理硬件以执行图形并训练模型。就像最初的关于学习TF的教程一样,要求您使用会话来运行任何东西:variables guide,Tensors guide等等。但是,在TF Keras指南中,示例似乎没有显式地调用tf.Session
或通常的with tf.Session() as sess:
,Keras模型也没有使用急切执行。对于Estimators API也是如此。在
我有几个代码示例。其中一些人使用对会话的调用,而其他人则不使用。我希望有人能澄清使用tf.Session
和Keras层或估计器的需求规则是什么。我的意思是,您似乎可以为keras估计器或标准设置run_configs
TF.估计器并设置多gpu的设置等
下面是TF Keras指南中的一个函数API示例。请注意,不会调用会话:
inputs = tf.keras.Input(shape=(32,)) # Returns a placeholder tensor
# A layer instance is callable on a tensor, and returns a tensor.
x = layers.Dense(64, activation='relu')(inputs)
x = layers.Dense(64, activation='relu')(x)
predictions = layers.Dense(10, activation='softmax')(x)
model = tf.keras.Model(inputs=inputs, outputs=predictions)
# The compile step specifies the training configuration.
model.compile(optimizer=tf.train.RMSPropOptimizer(0.001),
loss='categorical_crossentropy',
metrics=['accuracy'])
# Trains for 5 epochs
model.fit(data, labels, batch_size=32, epochs=100)
谢谢你的任何信息或澄清。在
当只使用Keras时,}一起使用。在
tf.Session()
的调用是不必要的。当使用tensorflow后端时调用它,如here所示。只有在使用tensorflow后端时才调用此函数,而不是与theano
或{关于使用带有
tf.Session()
调用的Tensorflow接口,这里解释了here,它只是使用tf.Session()
作为Keras和纯Tensorflow张量和/或函数之间的桥梁。在您可以看到一个将
tf.Session()
与Keras一起使用set_session()
后端函数的示例:相关问题 更多 >
编程相关推荐