华为计算微信公众号
昇腾AI开发者公众号
华为计算微博
华为计算今日头条
转化tensorflow1.x版本构建的模型为.om模型的时候报错
以下是报错代码
模型代码为
# 定义全连接层函数 def fcn_layer(inputs, # 输入数据 input_dim, # 输入神经元数量 output_dim, # 输出神经元数量 activation=None): # 激活函数 w = tf.Variable(tf.compat.v1.truncated_normal([input_dim, output_dim], stddev=0.1)) b = tf.Variable(tf.zeros([output_dim])) xwb = tf.matmul(inputs, w) + b if activation is None: outputs = xwb else: outputs = activation(xwb) return outputs # 保存模型 # 模型的存储粒度 save_step = 5 # 创建模型保存的文件的目录 ckpt_dir = "E:/vcspace/model/xunlian_dir_about_chang/" if not os.path.exists(ckpt_dir): os.makedirs(ckpt_dir) # 构建输入层 # 定义标签数据占位符 tf.compat.v1.disable_eager_execution() x = tf.compat.v1.placeholder(tf.float32, [None, 400], name="X") y = tf.compat.v1.placeholder(tf.float32, [None, 66], name="Y") # 构建隐藏层 H1_NN = xxxx # 第1隐藏层神经元数量 H2_NN = xxxx # 第2隐藏层神经元数量 H3_NN = xxxx # 第3隐藏层神经元数量 # 输入层 - 第1隐藏层参数和偏置项（构建第1隐藏层） h1 = fcn_layer(inputs=x, input_dim=400, output_dim=H1_NN, activation=tf.nn.relu) # 第1隐藏层 - 第2隐藏层参数和偏执项（构建第2隐藏层） h2 = fcn_layer(inputs=h1, input_dim=H1_NN, output_dim=H2_NN, activation=tf.nn.relu) # 第2隐藏层 - 第3隐藏层参数和偏置项（构建第3隐藏层） h3 = fcn_layer(inputs=h2, input_dim=H2_NN, output_dim=H3_NN, activation=tf.nn.relu) # 第3隐藏层 - 输出层参数和偏置项（构建输出层） forward = fcn_layer(inputs=h3, input_dim=H3_NN, output_dim=66, activation=None) pred = tf.nn.softmax(forward)
我要发帖子
点赞
收藏
回复
分享
举报
已解决 已解决
转化tensorflow1.x版本构建的模型为.om模型的时候报错
以下是报错代码
模型代码为
# 定义全连接层函数 def fcn_layer(inputs, # 输入数据 input_dim, # 输入神经元数量 output_dim, # 输出神经元数量 activation=None): # 激活函数 w = tf.Variable(tf.compat.v1.truncated_normal([input_dim, output_dim], stddev=0.1)) b = tf.Variable(tf.zeros([output_dim])) xwb = tf.matmul(inputs, w) + b if activation is None: outputs = xwb else: outputs = activation(xwb) return outputs # 保存模型 # 模型的存储粒度 save_step = 5 # 创建模型保存的文件的目录 ckpt_dir = "E:/vcspace/model/xunlian_dir_about_chang/" if not os.path.exists(ckpt_dir): os.makedirs(ckpt_dir) # 构建输入层 # 定义标签数据占位符 tf.compat.v1.disable_eager_execution() x = tf.compat.v1.placeholder(tf.float32, [None, 400], name="X") y = tf.compat.v1.placeholder(tf.float32, [None, 66], name="Y") # 构建隐藏层 H1_NN = xxxx # 第1隐藏层神经元数量 H2_NN = xxxx # 第2隐藏层神经元数量 H3_NN = xxxx # 第3隐藏层神经元数量 # 输入层 - 第1隐藏层参数和偏置项（构建第1隐藏层） h1 = fcn_layer(inputs=x, input_dim=400, output_dim=H1_NN, activation=tf.nn.relu) # 第1隐藏层 - 第2隐藏层参数和偏执项（构建第2隐藏层） h2 = fcn_layer(inputs=h1, input_dim=H1_NN, output_dim=H2_NN, activation=tf.nn.relu) # 第2隐藏层 - 第3隐藏层参数和偏置项（构建第3隐藏层） h3 = fcn_layer(inputs=h2, input_dim=H2_NN, output_dim=H3_NN, activation=tf.nn.relu) # 第3隐藏层 - 输出层参数和偏置项（构建输出层） forward = fcn_layer(inputs=h3, input_dim=H3_NN, output_dim=66, activation=None) pred = tf.nn.softmax(forward)