Keras神经网络集成技术
Keras神经网络集成技术
create_keras_neuropod
将Keras模型打包为神经网络集成包。目前,上文已经支持TensorFlow后端。
create_keras_neuropod(
neuropod_path,model_name,sess,model,node_name_mapping = None,input_spec = None,output_spec = None,input_tensor_device = None,default_input_tensor_device = GPU,custom_ops = [],package_as_zip = True,test_input_data = None,test_expected_out = None,persist_test_data = True,
)
参数:
neuropod_path
neuropod输出路径
model_name
模型名称
Sess
包含权重的TensorFlow会话(一般是keras.backend.get_session())
model
一种 Keras model 目标.
node_name_mapping
default:
None
从neuropod输入/输出名称到Keras输入/输出名称的可选映射。
Example:
{
“x”: “input_1”,
“out”: “fc1000”,
}
默认状态,用 Kerasinput/output 名称代替 neuropod input/output 名称。
input_spec
default: None
指定模型输入的dict列表。对于每个输入,如果shape设置为None,则不对该形状进行验证。如果shape是元组,则根据该元组验证输入的维度。任何维度的值为“无”表示将不检查该维度。数据类型可以是任何有效的numpy数据类型字符串。
Example:
[ {“name”: “x”, “dtype”: “float32”, “shape”: (None,)}, {“name”: “y”, “dtype”: “float32”, “shape”: (None,)},]
output_spec
default: None
指定模型输出的dict列表。有关详细信息,请参阅input_spec参数的文档。
Example:
[ {“name”: “out”, “dtype”: “float32”, “shape”: (None,)},]
input_tensor_device
default: None
dict将输入张量名称映射到模型希望它们在其上的设备。这可以是GPU或CPU。此映射中未指定的输入规格中的任何张量都将使用下面指定的默认输入张量设备default_input_tensor_device。
如果在推断时选择了GPU,则在运行模型之前,神经网络集成软件会将张量移动到适当的设备。否则,它将尝试在CPU上运行模型,并将所有张量(和模型)移到CPU上。
有关更多信息,请参阅load_neurood的文档字符串。
Example:
{“x”: “GPU”}
default_input_tensor_device
default: GPU
输入张量的默认设备应该打开。这可以是GPU或CPU。
custom_ops
default: []
要包含在打包的neuropod中的自定义op共享库的路径列表。
注意:包括定制操作将您的neuropod绑定到定制操作为之构建的特定平台(如Mac、Linux)。用户有责任确保为正确的平台构建自定义操作。
Example:
["/path/to/my/custom_op.so"]
package_as_zip
default: True
是将neuropod打包为一个文件还是一个目录。
test_input_data
default: None
可选样本输入数据。这是一个将输入名称映射到值的dict。如果提供了这一点,则在包装后立即在隔离环境中运行推断,以确保成功创建了神经网络集成软件。如果提供了预期的测试test_expected_out,则必须提供。
如果推断失败,则引发ValueError。
Example:
{ “x”: np.arange(5), “y”: np.arange(5),}
test_expected_out
default: None
可选的预期输出。如果模型推断的输出与预期的输出不匹配,则引发ValueError。
Example:
{ “out”: np.arange(5) + np.arange(5)}
persist_test_data¶
default: True
可选地将测试数据保存在包装好的神经网络集成软件内。
Keras神经网络集成技术相关推荐
- Python神经网络集成技术Guide指南
Python神经网络集成技术Guide指南 本指南将介绍如何加载一个神经网络集成系统并从Python运行推断. 提示 所有框架的神经网络集成系统运行时接口都是相同的,因此本指南适用于所有受支持框架(包 ...
- TorchScript神经网络集成技术
TorchScript神经网络集成技术 create_torchscript_neuropod 将TorchScript模型打包为neuropod包. create_torchscript_neuro ...
- PyTorch神经网络集成技术
PyTorch神经网络集成技术 create_python_neuropod 将任意python代码打包为一个neurood包. create_python_neuropod( neuropod_pa ...
- keras神经网络回归预测_如何使用Keras建立您的第一个神经网络来预测房价
keras神经网络回归预测 by Joseph Lee Wei En 通过李维恩 一步一步的完整的初学者指南,可使用像Deep Learning专业版这样的几行代码来构建您的第一个神经网络! (A s ...
- 编写程序实现通过有道或百度翻译url对用户输入数据进行翻译_8亿用户AI有道:超强神经网络翻译技术大解密...
[新智元导读]数据的作用在人工智能发展道路上愈发被重视.7月27日,在广州举行的GMIC大会上,网易有道技术总监林会杰表示目前AI+教育还在初级阶段,对于这一行业而言,得数据者得先机.这家拥有国内最大 ...
- 编写程序实现通过有道或百度翻译url对用户输入数据进行翻译_8亿用户AI有道,超强神经网络翻译技术大解密...
[新智元导读]数据的作用在人工智能发展道路上愈发被重视.7月27日,在广州举行的GMIC大会上,网易有道技术总监林会杰表示目前AI+教育还在初级阶段,对于这一行业而言,得数据者得先机.这家拥有国内最大 ...
- 基于神经网络集成学习的5篇研究论文推荐
Evaluating Deep Neural Network Ensembles by Majority Voting cum Meta-Learning scheme https://arxiv.o ...
- 深度神经网络可视化技术
深度神经网络可视化技术 深度学习模型表述的难点与意义 深度神经网络的可视化 云脑 Deepro 采用的 CNN 可视化 独立单元激活的可视化 图案和区域生成法 云脑 Deepro 采用的 RNN 可视 ...
- TensorFlow神经网络集成方案
TensorFlow神经网络集成方案 创造张力流create_tensorflow_neuropod 将TensorFlow模型打包为neuropod包. create_tensorflow_neur ...
最新文章
- java23中设计模式——结构模式——Composite(组合)
- npm升级package.json依赖包到最新版本号
- 一文让你完全弄懂Stegosaurus
- session、cookie、隐藏域、url参数传递四种会话及跟踪方式
- Hyper-v 虚拟机使用NAT方式连接网络
- es中对标mysql group by的teams聚合类型
- windows系统镜像文件汇总
- Terraria泰拉瑞亚服务器搭建
- 集成电路模拟版图入门——转行版图基础学习笔记(一)
- [HNOI 2008] 神奇的国度 kingdom
- 抑郁症患者突然心情变好,不一定是好事!
- Word无法打开该文件,因为文件格式与扩展名不匹配
- Object Detection with Discriminatively Trained Part Based Models(使用判别训练的部件模型进行目标检测 )
- Git管理 本地文件误删(提交和没提交情况下),恢复文件的方法
- android机开应用速度慢,Android机跑好慢 学会这秘密五招手机瞬间加速!
- 斜杠青年:如何开启你的多重身份 作者:Susan Kuang
- 【回答问题】ChatGPT上线了!比较流行的监督学习模型
- 2019年PMP考试报名费用介绍
- 这几款数据恢复神器,希望你永远都不要用到
- Skyshop: Image-Based Lighting Tools Shaders插件调整反射光不明显的模型
热门文章
- 2022-2028年中国地沟油制生物柴油行业市场研究及前瞻分析报告
- 2022-2028年中国汽车用胶管行业市场深度分析及投资前景趋势报告
- c语言从stdin读入
- leetcode Longest Substring with At Most Two Distinct Characters 滑动窗口法
- redis 双写一致性 看一篇成高手系列1
- python yield 和 yield from用法总结
- UTF-8与UTF-8 BOM
- PyTorch学习笔记——softmax和log_softmax的区别、CrossEntropyLoss() 与 NLLLoss() 的区别、log似然代价函数...
- ESLint问题记录
- 2022年新能源汽车产业集群百人会