عامر ابراهيم

ماهو الفرق بين tf.Session و tf.graph؟ هل من الممكن أن يشرحهما لي أحد؟

أعلم أنه يمكننا قياس زمن تنفيذ استدعاء sess.run، ولكن هل من الممكن الحصول على تفاصيل أكثر دقة مثل حساب زمن تنفيذ كل عقدة من البيان؟

قمت بتثبيت نسخة تنسرفلو لل gpu، لكن لا أعرف سبب حصولي على الخطأ التالي عند محاولة استخدام tensorflow.placeholder: tf_in = tf.placeholder("float", [None, A]) # Features # دوماً أحصلعلى مسار الخطأ التالي -------------------------------------------------------- Traceback (most recent call last): File "/home/willim/PycharmProjects/tensorflow/tensorflow.py", line 2, in <module> import tensorflow as tf File "/home/willim/PycharmProjects/tensorflow/tensorflow.py", line 53, in <module> tf_in = tf.placeholder("float", [None, A]) # Features AttributeError: 'module' object has no attribute 'placeholder'

أحاول تعيين قيمة جديدة لمتغير tensorflow لكن القيمة الأصلية لاتتغير ما الحل؟ import tensorflow a = tensorflow.Variable(0) initialize = tensorflow.initialize_all_variables() s = tensorflow.InteractiveSession() s.run(initialize) a.eval() # 0 a.assign(7) a.eval() # 0 # الخرج لايتغير

لدي الكود التالي: # Create some variables. v1 = tf.Variable(..., name="v1") v2 = tf.Variable(..., name="v2") ... # Add an op to initialize the variables. init_op = tf.global_variables_initializer() # Add ops to save and restore all the variables. saver = tf.train.Saver() # Later, launch the model, initialize the variables, do some work, save the # variables to disk. with tf.Session() as sess: sess.run(init_op) # Do some work with the model. .. # Save the variables to disk. save_path = saver.save(sess, "/tmp/model.ckpt") print("Model saved in file: %s" % save_path) لكن بعد حفظه وجدت 3 ملفات: model.ckpt.data-00000-of-00001 model.ckpt.index model.ckpt.meta ولا يمكنني استعادة النموذج عن طريق استعادة ملف model.ckpt ، حيث لا يوجد مثل هذا الملف. هذا هو الكود الخاص بي: with tf.Session() as sess: # Restore variables from disk. saver.restore(sess, "/tmp/model.ckpt") لذا لماذا توجد 3 ملفات؟

كنت أقرأ بعض الأكواد في تنسرفلو ووجدت الكود التالي: flags = tf.app.flags FLAGS = flags.FLAGS flags.DEFINE_float('learning_rate', 0.01, 'Initial learning rate.') flags.DEFINE_integer('max_steps', 2000, 'Number of steps to run trainer.') flags.DEFINE_integer('hidden1', 128, 'Number of units in hidden layer 1.') flags.DEFINE_integer('hidden2', 32, 'Number of units in hidden layer 2.') flags.DEFINE_integer('batch_size', 100, 'Batch size. ' 'Must divide evenly into the dataset sizes.') flags.DEFINE_string('train_dir', 'data', 'Directory to put the training data.') flags.DEFINE_boolean('fake_data', False, 'If true, uses fake data ' 'for unit testing.') في tensorflow/tensorflow/g3doc/tutorials/mnist/fully_connected_feed.py لكن لم أفهم ماهي tf.app.flags ولم أجد توثيقاً عنها؟ هل لأحد أن يشرحها لي؟

كيف يمكنني أن أحصل على أبعاد tensor (موتر) في تنسرفلو Tensorflow (ال shape)؟

لم أفهم الاختلاف بين نطاق الاسم name scope والنطاق المتغير variable scope في Tensorflow؟ هل من الممكن أن يتم توضيحه؟

كيف يمكنني أن أجعل النموذج يتوقف عندما تتوقف دالة التكلفة عن الانخفاض؟ أو بمعنى آخر كيف يمكننا تطبيق مفهوم التوقف المبكر؟

قمت بتدريب نموذجي وأريد حفظ نتائج ال loss وال accuracy التي تمت خلال التدريب كيف نقوم بذلك: history = model.fit(X_train, y_train, batch_size=32, nb_epoch=10, validation_data=(X_test, y_test))

قمت ببناء شبكة عصبية تلاففية لتصنيف الصور باستخدام تنسرفلو، والآن انتهيت من تدريبها لكنني أريد الآن حفظ جميع المتغيرات والغراف للشبكة في ملف لاستخدامه في المستقبل، كيف يمكنني القيام بذلك من خلال مكتبة تنسرفلو؟

كنت أقرأ أحد الأكواد على غيتهاب، وظهر لي هذا المفهوم لكنني لم أفهم ماهو، هل يمكن لأحد أن يوضحه لي؟ وأيضاً في المقطع التالي لماذا ضبطنا قيمة global_step على 0 : def training(loss,learning_rate): tf.summary.scalar('loss',loss) t_op = tf.train.GradientDescentOptimizer(learning_rate).minimize(loss, global_step=tf.Variable(0, name='global_step',trainable=False)) return t_op

قمت ببناء شبكة عصبية لتصنيف الصور باستخدام إطار العمل Caffe والآن أقوم بنقله إلى TensorFlow ولكن لا يبدو أنه يوجد في تنسرفلو تهيئة xavier. أنا أستخدم truncated_normal ولكن يبدو أن هذا يجعل التدريب أكثر صعوبة.

قمت ببناء شبكة عصبية لتصنيف الصور، واستخدمت فبها المحسن Adam لكن أحد الأشخاص يقترح أن استخدم ال exponential decay لكي يتم تخفيض قيم معدل التعلم خلال التدريب، فما رأيكم؟

أحاول فهم LSTMs وكيفية بنائها باستخدام Keras. اكتشفت أن هناك 4 أوضاع لتشغيل RNN وهي One-to-one و One-to-many و Many-to-one و Many-to-many، لذا هل من الممكن أن يظهر لي أحدكم كيفية تمثيل ذلك في كيراس وتنسرفلو . مثلاً بالشكل التالي: model = Sequential() model.add(LSTM(64, input_shape=(timesteps,dim))) model.add(Dense(1))

بعد الانتهاء من تدريب النموذج أريد أن يتم حفظ نموذجي لاستخدمه بداخل تطبيق، كيف نقوم بحفظه؟ from tensorflow.keras.layers import Dense import numpy import os from tensorflow.keras.models import Sequential,model_from_json dataset = numpy.loadtxt("D:\\pima-indians-diabetes.csv", delimiter=",") X = dataset[:,0:8] Y = dataset[:,8] model = Sequential() model.add(Dense(32, input_dim=8, activation='tanh')) model.add(Dense(4, activation='tanh')) model.add(Dense(1, activation='sigmoid')) # Compiling model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy']) # Fitting model.fit(X, Y, epochs=90, batch_size=10) # تقييم scores = model.evaluate(X, Y, verbose=0) print("%s: %.2f%%" % (model.metrics_names[1], scores[1]*100))

أحاول الحصول على بعض قيم ال Tensors من البيان من خلال model.get_layer_value(input, "tensorName")، وذلك من أجل دخل معين، لذلك أستخدم tensorboard لرسم الغراف والبحث عن ال tensorName. وسؤالي الآن هل هناك طريقة للتعرف على جميع ال tensors في الغراف دون استخدام tensorboard؟

كيف يمكننا معرفة نسخة CUDA و cuDNN التي لدينا، وكيف نختار نسخة تنسرفلو المتوافقة معهم، فقد قيل لي أن بعض الإصدارات من TensorFlow قد لاتكون متوافقة مع إصدارات CUDA و cuDNN. لذا كيف يمكننا التحقق من ذلك فقد بحثت في توثيقات تنسرفلو ولم أجد شيئاً بخصوص هذا الأمر؟

عندما أقوم بكتابة ألسطر التالي في موجه الأوامر CMD يظهر لي الخطأ التالي: pip3 install --upgrade tensorflow-gpu الخطأ: Could not install packages due to an EnvironmentError: [WinError 5] Access is denied: 'c:\\users\\dylan\\appdata\\local\\programs\\python\\python35\\Lib\\site-packages\\numpy\\.libs\\libopenblas.BNVRK7633HSX7YVO2TADGR4A5KEKXJAW.gfortran-win_amd64.dll' Consider using the `--user` option or check the permissions.

أحاول تنفيذ الكود التالي لكن يظهر لي هذا الخطأ: import tensorflow as tf msg = tf.constant('Hello, TensorFlow!') sess = tf.Session() print(sess.run(msg)) --------------------------------------------------------------------------- AttributeError Traceback (most recent call last) <ipython-input-7-01569850c7c6> in <module>() 1 import tensorflow as tf 2 msg = tf.constant('Hello, TensorFlow!') ----> 3 sess = tf.Session() 4 print(sess.run(msg)) AttributeError: module 'tensorflow' has no attribute 'Session' ما المشكلة وما الحل؟ علماً أن نسخة تنسرفلو التي لدي هي 2.4

لقد قمت بتثبيت tensorflow. وسؤالي الآن هو كيف يمكنني اختبار ما إذا كان Tensorflow يستخدم GPU بالفعل ؟

قمت بتثبيت نسخة tensorflow تعمل على ال GPU، كيف يمكنني جعلها تعمل على ال CPU؟

أعني ما يظهره TensorFlow في ال terminal حول المكتبات المحملة والأجهزة التي تم العثور عليها وما إلى ذلك ، وليس أخطاء Python. I tensorflow/stream_executor/dso_loader.cc:105] successfully opened CUDA library libcufft.so locally I tensorflow/stream_executor/dso_loader.cc:105] successfully opened CUDA library libcuda.so.1 locally I tensorflow/stream_executor/dso_loader.cc:105] successfully opened CUDA library libcurand.so locally I tensorflow/stream_executor/cuda/cuda_gpu_executor.cc:900] successful NUMA node read from SysFS had negative value (-1), but there must be at least one NUMA node, so returning NUMA node zero I tensorflow/core/common_runtime/gpu/gpu_init.cc:102] Found device 0 with properties: name: Graphics Device major: 5 minor: 2 memoryClockRate (GHz) 1.0885 pciBusID 0000:04:00.0 Total memory: 12.00GiB Free memory: 11.83GiB I tensorflow/core/common_runtime/gpu/gpu_init.cc:126] DMA: 0

ما الفرق بين tf.placeholder و tf.Variable في تنسرفلو؟ لازلت مرتبكاً بينهما فلا أعرف الفرق بالتحديد ماهو. كل ما أعرفه أنه يتم استخدام tf.placeholder لبيانات الإدخال ، ويتم استخدام tf.Variable لتخزين حالة البيانات. هذا كل ما أعرفه.

مالفرق بين 'SAME' و 'VALID' في الطبقة tf.nn.max_pool في تنسرفلو؟ tf.nn.max_pool( input, ksize, strides, padding, data_format=None, name=None )