Ich verwende TensorFlow für Maschine auf Ogg und MIDI-Daten zu lernen, aber eine Menge Vorverarbeitung wird in NumPy (mit feed_dict: s) getan, und ich möchte so viel wie möglich in die Berechnungsgraphen zur Migration in um die Produktionsbereitstellung zu vereinfachen (Google Cloud ML oder möglicherweise selbst gehostete TensorFlow-Portierung). Wie würde ich darüber gehen? Gibt es Möglichkeiten, NumPy-Operationen automatisch in TensorFlow-Operationen zu konvertieren?Wie NumPy Vorverarbeitung in eine TensorFlow Graph migrieren?
Antwort
Die meisten der Numpy Funktionen haben ihre TensorFlow Äquivalent in array_ops
dokumentiert. Für die weitere mathematische Operationen, haben einen Blick auf math_ops
.
Wenn Sie spezifischere Abfragen haben oder Numpy-Code nicht in TensorFlow konvertieren können, sollten Sie immer versuchen, StackOverflow Q/A zu durchsuchen oder eine Frage hier zu stellen. (Schauen Sie sich this für ein gutes Beispiel für eine solche Frage an).
Unrelated - Wenn Sie Schwierigkeiten einige Matrizenmanipulation Durchführung konfrontiert, versuchen Sie auf dem bestehenden Numpy Q/A auf Stackoverflow zu suchen. Sie können mit den obigen APIs einfach auf TensorFlow angewendet werden.
manuell Code von einer API zum anderen Portierung scheint wie eine ziemlich schlecht (und offensichtlich) Lösung. Sicherlich wird es irgendwann ein Werkzeug geben, um von NumPy zu TensorFlow zu transponieren? Sonst würde ich vielleicht selbst einen solchen Compiler erstellen. –
@ CarlThomé, viel hängt davon ab, was Sie wollen als 'Tensors' verlassen und was Sie wollen als' Variables' zwischenzuspeichern. Tensorflow-Funktionen sind nicht wirklich äquivalent zu Numpy, aber sie werden in bestimmten Fällen auftreten. Wie auch immer, du kannst gerne deine eigene Antwort hier schreiben – martianwars
- 1. Tensorflow numpy tensorflow
- 2. TensorFlow In-Graph Replikation Beispiel
- 3. tensorflow Graph Ausführungsreihenfolge
- 4. Tensorflow Graph wird zu groß
- 5. TensorFlow - numpy artige Tensor Indizierung
- 6. Tensorflow: Numpy Äquivalent von Batches und Umformen
- 7. TensorFlow Parallel CPU mit Numpy
- 8. Numpy-Matrix in Batches im Tensorflow lesen
- 9. Versuchen, IBM Notes-Daten in Graph-Datenbank zu migrieren
- 10. bwboundaries -, in MATLAB-, Vorverarbeitung
- 11. Vorverarbeitung Wörterbuch
- 12. Zugriff auf Zwischenergebnisse aus einer tensorflow Graph
- 13. IGRAPH Graph von numpy oder Pandas Adjazenzmatrix
- 14. Text Vorverarbeitung
- 15. Kann TensorFlow Cache (Sub-) Graph Berechnungen?
- 16. Wie werden numpy Arrays in das Standard TensorFlow Format konvertiert?
- 17. Vorverarbeitung Befehle in Haupt
- 18. TensorFlow erstellen Datensatz aus numpy Array
- 19. AttributeError: Modul 'Tensorflow' hat kein Attribut 'Graph'
- 20. Numpy Matrix für einen 3D-Matplotlib Graph
- 21. wie eine numpy Matrix in eine leere numpy Array angehängt
- 22. Run Tensorflow classify_image auf numpy array
- 23. Vorverarbeitung in der Swift-Anwendung
- 24. Tensorflow-Datensatz mit float numpy Array
- 25. Between-Graph-Replikation in Tensorflow: Sitzungen und Variablen
- 26. C-Code-Vorverarbeitung in Perl
- 27. Extreme Speichernutzung durch TensorFlow und Numpy
- 28. Vorverarbeitung mit browserify?
- 29. Graph eine weise definierte Funktion in Python
- 30. Kopieren von Variablen aus einem TensorFlow-Graph in einen anderen
vielleicht 'tf.py_func' ist nützlich für Sie –
Der Weg, es zu tun ist, über die [API] (https://www.tensorflow.org/api_docs/python/) und finden Sie eine passende TensorFlow-Variante für jeder numpy Anruf. Es gibt keine automatische Vorgehensweise, aber manchmal stimmen die APIs genau überein (z. B. Broadcasting, arithmetische Operationen). –
_Die Operation tf.py_func() weist die folgenden bekannten Einschränkungen auf: Der Rumpf der Funktion wird in einem GraphDef nicht serialisiert . Daher sollten Sie diese Funktion nicht verwenden, wenn Sie Ihr Modell serialisieren und in einer anderen Umgebung wiederherstellen müssen._ [(Referenz)] (https://www.tensorflow.org/api_docs/python/script_ops/script_language_operators_#py_func) –