Tensorflow: केरस मॉडल अचार-सक्षम लेकिन tf.keras मॉडल अचार-सक्षम नहीं

को निर्मित 29 नव॰ 2019 · 34टिप्पणियाँ · स्रोत: tensorflow/tensorflow

प्रणाली की जानकारी

विंडोज 10
Tensorflow 2.0 (CPU)
joblib 0.14.0
अजगर 3.7.5
कार्स 2.3.1

सभी को नमस्कार! यह मेरी पहली पोस्ट है तो कृपया मुझे माफ कर दें अगर मैंने कुछ याद किया है। इसलिए मैं कई एनएन आर्किटेक्चर को प्रशिक्षित करने और मूल्यांकन करने के लिए एक आनुवंशिक एल्गोरिथ्म का उपयोग करने की कोशिश कर रहा हूं, इसलिए मुझे उन्हें मल्टी-कोर सीपीयू पर समानांतर करने की आवश्यकता है। इसलिए मैंने इसे समानांतर करने की कोशिश करने के लिए जॉबलिब का इस्तेमाल किया है। हालाँकि, मैं अपने tf.keras कोड पर अटका हुआ था क्योंकि यह पिक करने योग्य नहीं था। डिबगिंग के कई घंटों के बाद मुझे अंत में एहसास हुआ कि tf.keras मॉडल पिक करने योग्य नहीं हैं, जबकि keras मॉडल हैं।

वर्तमान व्यवहार का वर्णन करें
नीचे दिया गया कोड काम करता है लेकिन यदि आपने keras को tf.keras से बदल दिया है, तो एक त्रुटि होगी:
कार्यकर्ताओं को भेजने के लिए कार्य को अचार नहीं कर सका।

अपेक्षित व्यवहार का वर्णन करें
आगे बढ़ते हुए, tf.keras को केरस की जगह दी जानी चाहिए और इसलिए tf.keras को भी चुना जाना चाहिए।

समस्या को पुन: उत्पन्न करने के लिए कोड

#The following is a simple code to illustrate the problem:
from joblib import Parallel, delayed
import keras
import tensorflow as tf

def test():
    model = keras.models.Sequential()
    return

Parallel(n_jobs=8)(delayed(test)(i) for i in range(10)) #this works as intended

def test_tf():
    model = tf.keras.models.Sequential()
    return

Parallel(n_jobs=8)(delayed(test_tf)(i) for i in range(10)) #this will spit out the error above

अन्य टिप्पणी
मुझे लगता है कि एक त्वरित सुधार बस सभी मौजूदा कोड को tf.keras के साथ सिर्फ keras को बदलने के लिए होगा, लेकिन यह देखते हुए कि k समर्थन का समर्थन बंद हो जाएगा और Tensorflow 2.0 द्वारा अवशोषित कर लिया जाएगा, मुझे लगता है कि इसे ठीक किया जाना चाहिए।

TF 2.2 keras awaiting tensorflower bug

स्रोत

Edwin-Koh1

👍12

सबसे उपयोगी टिप्पणी

यहाँ @epetrovski के जवाब का एक विकल्प है

import pickle

from tensorflow.keras.models import Sequential, Model
from tensorflow.keras.layers import Dense
from tensorflow.python.keras.layers import deserialize, serialize
from tensorflow.python.keras.saving import saving_utils


def unpack(model, training_config, weights):
    restored_model = deserialize(model)
    if training_config is not None:
        restored_model.compile(
            **saving_utils.compile_args_from_training_config(
                training_config
            )
        )
    restored_model.set_weights(weights)
    return restored_model

# Hotfix function
def make_keras_picklable():

    def __reduce__(self):
        model_metadata = saving_utils.model_metadata(self)
        training_config = model_metadata.get("training_config", None)
        model = serialize(self)
        weights = self.get_weights()
        return (unpack, (model, training_config, weights))

    cls = Model
    cls.__reduce__ = __reduce__

# Run the function
make_keras_picklable()

# Create the model
model = Sequential()
model.add(Dense(1, input_dim=42, activation='sigmoid'))
model.compile(optimizer='Nadam', loss='binary_crossentropy', metrics=['accuracy'])

# Save
with open('model.pkl', 'wb') as f:
    pickle.dump(model, f)

स्रोत: https://docs.python.org/3/library/pickle.html#object.__reduce__

मुझे लगता है कि शायद यह मॉडल में जोड़ा जा सकता है? क्या ऐसे कोई मामले हैं जहां यह काम नहीं करेगा?

adriangb 12 मई 2020

👍8 ❤1

सभी 34 टिप्पणियाँ

@ एडविन-Koh1

क्या आप कृपया रात के संस्करण ( !pip install tf-nightly==2.1.0dev20191201 ) के साथ जांच कर सकते हैं और देखें कि क्या त्रुटि अभी भी बनी हुई है। नवीनतम रात के संस्करणों में बहुत सारे प्रदर्शन सुधार हैं। धन्यवाद!

ravikyram 2 दिस॰ 2019

हाल की गतिविधि की कमी के कारण स्वचालित रूप से बंद। कृपया नई जानकारी उपलब्ध होने पर समस्या को अपडेट करें, और हम समस्या को फिर से खोल देंगे। धन्यवाद!

ravikyram 18 दिस॰ 2019

@ravikyram मैं अभी भी इस मुद्दे को टेंसोफ़्लो पर देख रहा हूँ == 2.1.0:

import pickle

import tensorflow as tf


def main():
    model_1 = tf.keras.Sequential((
        tf.keras.layers.Dense(16, activation='relu'),
        tf.keras.layers.Dense(1, activation='linear'),
    ))

    _ = model_1(tf.random.uniform((15, 3)))

    model_2 = pickle.loads(pickle.dumps(model_1))

    for w1, w2 in zip(model_1.get_weights(), model_2.get_weights()):
        tf.debugging.assert_equal(w1, w2)


if __name__ == '__main__':
    main()

का परिणाम

Traceback (most recent call last):
  File "/Users/hartikainen/conda/envs/softlearning-3/lib/python3.7/runpy.py", line 193, in _run_module_as_main
    "__main__", mod_spec)
  File "/Users/hartikainen/conda/envs/softlearning-3/lib/python3.7/runpy.py", line 85, in _run_code
    exec(code, run_globals)
  File "/Users/hartikainen/github/rail-berkeley/softlearning-3/tests/test_pickle_keras_model.py", line 25, in <module>
    main()
  File "/Users/hartikainen/github/rail-berkeley/softlearning-3/tests/test_pickle_keras_model.py", line 18, in main
    model_2 = pickle.loads(pickle.dumps(model_1))
TypeError: can't pickle weakref objects

$ pip freeze | grep "tf\|tensor"
tensorboard==2.1.0
tensorflow==2.1.0
tensorflow-estimator==2.1.0
tensorflow-probability==0.9.0
$ python --version
Python 3.7.5

hartikainen 13 जन॰ 2020

👍4

मैंने TF संस्करण 2.1.0-rc2, 2.2.0-dev20200113 के साथ कोलाब पर कोशिश की है और इस मुद्दे को पुन: पेश करने में सक्षम था। कृपया, यहां जिस्ट ढूंढें। धन्यवाद!

ravikyram 13 जन॰ 2020

👍1

@ravikyram , keras के कार्यात्मक मॉडल भी पिकेबल होने चाहिए या नहीं? मुझे लगता है कि यदि अनुक्रमिक मॉडल हैं तो कार्यात्मक मॉडल भी होना चाहिए? या कार्यात्मक मॉडल में कुछ गुण हैं जो उन्हें अचार के लिए कठिन बनाते हैं?

$ python -m tests.test_pickle_keras_functional_model
2020-01-17 16:47:08.567598: I tensorflow/core/platform/cpu_feature_guard.cc:142] Your CPU supports instructions that this TensorFlow binary was not compiled to use: AVX2 FMA
2020-01-17 16:47:08.581327: I tensorflow/compiler/xla/service/service.cc:168] XLA service 0x7fa0a55aa6c0 initialized for platform Host (this does not guarantee that XLA will be used). Devices:
2020-01-17 16:47:08.581362: I tensorflow/compiler/xla/service/service.cc:176]   StreamExecutor device (0): Host, Default Version
Traceback (most recent call last):
  File "/Users/hartikainen/conda/envs/softlearning-3/lib/python3.7/runpy.py", line 193, in _run_module_as_main
    "__main__", mod_spec)
  File "/Users/hartikainen/conda/envs/softlearning-3/lib/python3.7/runpy.py", line 85, in _run_code
    exec(code, run_globals)
  File "/Users/hartikainen/github/rail-berkeley/softlearning-3/tests/test_pickle_keras_functional_model.py", line 20, in <module>
    main()
  File "/Users/hartikainen/github/rail-berkeley/softlearning-3/tests/test_pickle_keras_functional_model.py", line 13, in main
    model_2 = pickle.loads(pickle.dumps(model_1))
TypeError: can't pickle _thread.RLock objects

hartikainen 17 जन॰ 2020

👍5

हेलो सब लोग,
मैं स्टैंडअलोन keras से tensorflow.keras की सिफारिश के अनुसार https://keras.io/ पर स्विच करने का प्रयास कर रहा हूं
मैं https://github.com/tensorflow/tensorflow/issues/34697#issuecomment -575705599 joblib (जो हुड के तहत pickle का उपयोग करता है) के रूप में एक ही अपवाद मार रहा हूँ।

प्रणाली की जानकारी:

डेबियन 10 (बस्टर)
अजगर 3.7.6
joblib 0.14.1
टेंसरफ्लो 2.1.0

पुन: पेश करने के लिए स्क्रिप्ट:

import joblib
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Dense

model = Sequential()
model.add(Dense(1, input_dim=42, activation='sigmoid'))
model.compile(optimizer='Nadam', loss='binary_crossentropy', metrics=['accuracy'])
joblib.dump(model, 'model.pkl')

आउटपुट:

TypeError: can't pickle _thread.RLock objects

marfox 30 मार्च 2020

👍7

यहाँ एक फिक्स http://zachmoshe.com/2017/04/03/pickling-keras-models.html से अनुकूलित किया गया है, उसी मुद्दे को वापस हल करने के लिए जब केरस मॉडल पिकलेबल नहीं हुआ करते थे।

import pickle
import tempfile
from tensorflow.keras.models import Sequential, load_model, save_model, Model
from tensorflow.keras.layers import Dense

# Hotfix function
def make_keras_picklable():
    def __getstate__(self):
        model_str = ""
        with tempfile.NamedTemporaryFile(suffix='.hdf5', delete=True) as fd:
            save_model(self, fd.name, overwrite=True)
            model_str = fd.read()
        d = {'model_str': model_str}
        return d

    def __setstate__(self, state):
        with tempfile.NamedTemporaryFile(suffix='.hdf5', delete=True) as fd:
            fd.write(state['model_str'])
            fd.flush()
            model = load_model(fd.name)
        self.__dict__ = model.__dict__


    cls = Model
    cls.__getstate__ = __getstate__
    cls.__setstate__ = __setstate__

# Run the function
make_keras_picklable()

# Create the model
model = Sequential()
model.add(Dense(1, input_dim=42, activation='sigmoid'))
model.compile(optimizer='Nadam', loss='binary_crossentropy', metrics=['accuracy'])

# Save
with open('model.pkl', 'wb') as f:
    pickle.dump(model, f)

epetrovski 4 मई 2020

❤1

जब भी मैं एक मॉडल अचार के बारे में कर रहा हूँ या मैं बस (मॉडल बनाने से पहले) अपने आवेदन की शुरुआत में यह कॉल कर सकते हैं @epetrovski चाहिए मैं इस कोड कहते हैं?

leandrocouto 9 मई 2020

जब भी मैं एक मॉडल अचार के बारे में कर रहा हूँ या मैं बस (मॉडल बनाने से पहले) अपने आवेदन की शुरुआत में यह कॉल कर सकते हैं @epetrovski चाहिए मैं इस कोड कहते हैं?

tensorflow.keras.models.Model आयात करने के बाद आप निश्चित रूप से इसे अपने ऐप की शुरुआत में एक बार कॉल कर सकते हैं। फ़ंक्शन को निष्पादित करने से दो नए तरीके __getstate__() और __setstate__() से tensorflow.keras.models.Model वर्ग में जुड़ जाते हैं, इसलिए हर बार जब आप अपडेट किए गए tf.keras मॉडल वर्ग के किसी सदस्य को अचार बनाना चाहते हैं, तो उसे काम करना चाहिए। अर्थात। आपका अपना मॉडल

epetrovski 9 मई 2020

👍1

यहाँ @epetrovski के जवाब का एक विकल्प है

import pickle

from tensorflow.keras.models import Sequential, Model
from tensorflow.keras.layers import Dense
from tensorflow.python.keras.layers import deserialize, serialize
from tensorflow.python.keras.saving import saving_utils


def unpack(model, training_config, weights):
    restored_model = deserialize(model)
    if training_config is not None:
        restored_model.compile(
            **saving_utils.compile_args_from_training_config(
                training_config
            )
        )
    restored_model.set_weights(weights)
    return restored_model

# Hotfix function
def make_keras_picklable():

    def __reduce__(self):
        model_metadata = saving_utils.model_metadata(self)
        training_config = model_metadata.get("training_config", None)
        model = serialize(self)
        weights = self.get_weights()
        return (unpack, (model, training_config, weights))

    cls = Model
    cls.__reduce__ = __reduce__

# Run the function
make_keras_picklable()

# Create the model
model = Sequential()
model.add(Dense(1, input_dim=42, activation='sigmoid'))
model.compile(optimizer='Nadam', loss='binary_crossentropy', metrics=['accuracy'])

# Save
with open('model.pkl', 'wb') as f:
    pickle.dump(model, f)

स्रोत: https://docs.python.org/3/library/pickle.html#object.__reduce__

adriangb 12 मई 2020

👍8 ❤1

ऐसा लगता है कि दो विशेषताएं हैं जो अनुक्रमिक वर्ग में लेने योग्य नहीं हैं। इस फिक्स ने मेरे लिए भी काम किया:

from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Dense

class PickableSequential(Sequential):
    def __getstate__(self):
        state = super().__getstate__()
        state.pop("_trackable_saver")
        state.pop("_compiled_trainable_state")
        return state

model = PickableSequential(Dense(10))

import pickle

pickle.dumps(model)
~

btel 11 जून 2020

मैंने TF संस्करण 2.2, रात के संस्करणों के साथ कोलाब में कोशिश की है और इस मुद्दे को पुन: पेश करने में सक्षम था। कृपया, यहां जाइंट खोजें

ravikyram 16 जून 2020

मैंने TF संस्करण 2.2, रात के संस्करणों के साथ कोलाब में कोशिश की है और इस मुद्दे को पुन: पेश करने में सक्षम था। कृपया, यहां जाइंट खोजें

केरस मॉडल पिक करने योग्य है लेकिन tf.keras पिक करने योग्य नहीं है, इसलिए इसके लिए वैकल्पिक समाधान नीचे दिए गए कोड को संदर्भित करता है
मैंने आपका कोलाब नोटबुक देखा और आवश्यक बदलाव किए बस नीचे दिए गए कोड को कॉपी करें और आपको त्रुटि को हल करने के साथ किया गया है

tf के रूप में आयात स्पर्शरेखा

def मुख्य ():
model_1 = tf.keras.Sequential (
tf.keras.layers.Dense (16, सक्रियण = 'relu'),
tf.keras.layers.Dense (1, सक्रियण = 'रैखिक'),
))

_ = model_1(tf.random.uniform((15, 3)))
model_1.save('model_2.h5')
model_2 = tf.keras.models.load_model('model_2.h5')

for w1, w2 in zip(model_1.get_weights(), model_2.get_weights()):
    tf.debugging.assert_equal(w1, w2)

अगर __name__ == '__main__':
मुख्य()

harshalpandit09 17 जून 2020

@ एडविन-Koh1

@Lahshthtnnap के सुझाव के अनुसार मैंने यहाँ जेंट ढूंढे

ravikyram 18 जून 2020

हेलो सब लोग,
मैं स्टैंडअलोन keras से tensorflow.keras की सिफारिश के अनुसार https://keras.io/ पर स्विच करने का प्रयास कर रहा हूं
मैं joblib साथ # 34697 (टिप्पणी) के रूप में एक ही अपवाद को मार रहा हूं (जो हुड के नीचे pickle का उपयोग करता है)।
प्रणाली की जानकारी:
डेबियन 10 (बस्टर)
अजगर 3.7.6
joblib 0.14.1
टेंसरफ्लो 2.1.0
पुन: पेश करने के लिए स्क्रिप्ट:
import joblib
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Dense

model = Sequential()
model.add(Dense(1, input_dim=42, activation='sigmoid'))
model.compile(optimizer='Nadam', loss='binary_crossentropy', metrics=['accuracy'])
joblib.dump(model, 'model.pkl')
आउटपुट:
TypeError: can't pickle _thread.RLock objects

अचार या जॉबलीब का उपयोग करने से आपकी समस्या हल नहीं होगी क्योंकि टेंसरफ़्लो.केरस इसका समर्थन नहीं करता है।
तो इसके लिए वैकल्पिक उपाय है: -

अपने कोड पर विचार: -
इस पंक्ति को बदलें: - joblib.dump (मॉडल, 'model.pkl')
साथ में: -
मॉडल के उपयोग को बचाने के लिए: -
-----> model.save ('new_model.h5')
और यदि आप इस मॉडल का उपयोग लोड करना चाहते हैं: -
-----> new_model = tf.keras.models.load_model ('new_model.h5')

harshalpandit09 18 जून 2020

👍2

अपने कोड पर विचार: -
इस पंक्ति को बदलें: - joblib.dump (मॉडल, 'model.pkl')
साथ में: -
मॉडल के उपयोग को बचाने के लिए: -
-----> model.save ('new_model.h5')
और यदि आप इस मॉडल का उपयोग लोड करना चाहते हैं: -
-----> new_model = tf.keras.models.load_model ('new_model.h5')

यह कुछ मामलों में काम करता है, हालांकि, यह तब मदद नहीं करता है जब किसी मॉडल को दूसरे फ़ंक्शन के हिस्से के रूप में चुना जाता है, मेरे मामले में यह अजगर multiprocessing लाइब्रेरी का उपयोग करते समय होता है।

JohannesAck 21 जुल॰ 2020

👍3

@ एडविन-Koh1

क्या यह अभी भी एक मुद्दा है?
कृपया, पुष्टि करें। धन्यवाद!

ravikyram 25 जुल॰ 2020

क्या बाइटियो कंटेनर में केरस सेक्शनल मॉडल को डंप करना संभव है

bytes_container = BytesIO()
joblib.dump(Keras_model, bytes_container, protocol=4)
# Error
TypeError: can't pickle _thread.RLock objects

pickle.dump(Keras_model, bytes_container, protocol=4)
# Error
TypeError: can't pickle _thread.RLock objects

dill.dump(Keras_model, bytes_container, protocol=4)
# Error
TypeError: can't pickle tensorflow.python._tf_stack.StackSummary objects

या एक अस्थायी में

tempfile.TemporaryFile().write(Keras_model)

या

save_model(Keras_model, bytes_container)
# Error
TypeError: expected str, bytes or os.PathLike object, not _io.BytesIO

hanzigs 29 जुल॰ 2020

यह पूरी तरह से काम करता है, अच्छी तरह से आपको आधार 64 की आवश्यकता नहीं हो सकती है, मेरे लिए डेटाबेस में स्टोर करने के लिए, सब कुछ-इन-मेमोरी, कोई टच डिस्क नहीं है

from io import BytesIO
import dill,base64,tempfile

#Saving Model as base64
model_json = Keras_model.to_json()

def Base64Converter(ObjectFile):
    bytes_container = BytesIO()
    dill.dump(ObjectFile, bytes_container)
    bytes_container.seek(0)
    bytes_file = bytes_container.read()
    base64File = base64.b64encode(bytes_file)
    return base64File

base64KModelJson = Base64Converter(model_json)  
base64KModelJsonWeights = Base64Converter(Keras_model.get_weights())  

#Loading Back
from joblib import load
from keras.models import model_from_json
def ObjectConverter(base64_File):
    loaded_binary = base64.b64decode(base64_File)
    loaded_object = tempfile.TemporaryFile()
    loaded_object.write(loaded_binary)
    loaded_object.seek(0)
    ObjectFile = load(loaded_object)
    loaded_object.close()
    return ObjectFile

modeljson = ObjectConverter(base64KModelJson)
modelweights = ObjectConverter(base64KModelJsonWeights)
loaded_model = model_from_json(modeljson)
loaded_model.set_weights(modelweights)

hanzigs 29 जुल॰ 2020

👍1

@hanzigs
यह एक अच्छा समाधान है, धन्यवाद। यदि आप इस मॉडल का प्रशिक्षण जारी रखने की योजना बनाते हैं तो केवल सावधान रहें, क्योंकि यह विधि ऑप्टिमाइज़र स्थिति को संरक्षित नहीं करती है।

JohannesAck 7 अग॰ 2020

@JohannesAck
हां, हमें नए डेटा के साथ फिट होने से पहले ऑप्टिमाइज़र के साथ संकलन करना होगा, जो कि समय लेने वाला नहीं होना चाहिए,

दूसरे तरीके से मॉडल.स्वे इन-मेमोरी को स्टोर करना बहुत कठिन है।

एक और तरीका है कि हम get_config () और from_config () को इनिशियलाइज़ेशन के साथ कर सकते हैं और फिर नए डेटा के लिए फिट होना होगा।

hanzigs 11 अग॰ 2020

@ एडविन-Koh1

इस मुद्दे पर कोई अद्यतन कृपया। धन्यवाद!

ravikyram 11 अग॰ 2020

इस मुद्दे को स्वचालित रूप से बासी के रूप में चिह्नित किया गया है क्योंकि इसमें हाल की गतिविधि नहीं थी। आगे कोई गतिविधि नहीं होने पर इसे बंद कर दिया जाएगा। धन्यवाद।

tensorflow-butler[bot] 18 अग॰ 2020

👎6

अपने कोड पर विचार: -
इस पंक्ति को बदलें: - joblib.dump (मॉडल, 'model.pkl')
साथ में: -
मॉडल के उपयोग को बचाने के लिए: -
-----> model.save ('new_model.h5')
और यदि आप इस मॉडल का उपयोग लोड करना चाहते हैं: -
-----> new_model = tf.keras.models.load_model ('new_model.h5')
यह कुछ मामलों में काम करता है, हालांकि, यह तब मदद नहीं करता है जब किसी मॉडल को दूसरे फ़ंक्शन के हिस्से के रूप में चुना जाता है, मेरे मामले में यह अजगर multiprocessing लाइब्रेरी का उपयोग करते समय होता है।

@JohannesAck , मुझे लगता है कि मेरे पास एक समान मुद्दा हो सकता है। मैं GPU पर एक Keras मॉडल को प्रशिक्षित करता हूं, इसे Keras API का उपयोग करके TensorFlow SavedModel प्रारूप का उपयोग करके सहेजता हूं, इसे नए सत्र में अनलोड करता हूं, multiprocessing लाइब्रेरी और starmap का उपयोग करते हुए कई CPU पर समानांतर में भविष्यवाणियां करने का प्रयास करता हूं। TypeError: can't pickle _thread.RLock objects ) मिलती है। यदि मैं प्रत्येक बार अपने पूर्वानुमान कार्य के भीतर मॉडल को लोड करता हूं और प्रत्येक फ़ंक्शन के अंत में इसे हटाता हूं तो यह कुछ पूर्वानुमानों के बाद लटका हुआ है। क्या आपको पता है कि यहां क्या हो सकता है?

alexvmt 18 अग॰ 2020

बासी के रूप में बंद। कृपया पुनः खोलें यदि आप इस पर आगे काम करना चाहते हैं।

tensorflow-butler[bot] 25 अग॰ 2020

क्या आप अपने मुद्दे के समाधान से संतुष्ट हैं?
हाँ
नहीं

tensorflow-butler[bot] 25 अग॰ 2020

जहाँ तक मुझे पता है यह बासी नहीं है।

टीयू पर, 25 अगस्त, 2020, 5:26 पूर्वाह्न टेंसरफ़्लो-बटलर [बॉट] <
सूचनाएं@github.com> ने लिखा:

क्या आप अपने मुद्दे के समाधान से संतुष्ट हैं?
हाँ
https://docs.google.com/forms/d/e/1FAIpQLSfaP12TRhd9xSxjXZjcZFNXPGk4kc1-qMdv3gc6bEP90vY1ew/viewform?entry.85265664=Yes&entry.2137816233=https://github.com/tensorflow/tensorflow/issues/34697
नहीं
https://docs.google.com/forms/d/e/1FAIpQLSfaP12TRhd9xSxjXZjcZFNXPGk4kc1-qMdv3gc6bEP90vY1ew/viewform?entry.85265664=No&entry.2137816233=https://github.com/tensorflow/tensorflow/issues/34697
-
आप इसे प्राप्त कर रहे हैं क्योंकि आपने टिप्पणी की है।
इस ईमेल का उत्तर सीधे दें, इसे GitHub पर देखें
https://github.com/tensorflow/tensorflow/issues/34697#issuecomment-679941192 ,
या सदस्यता समाप्त करें
https://github.com/notifications/unsubscribe-auth/AANMPP2EF3PRKBYRYHOHY3TSCOGTXANCNFSM4JSZ4QSA
।

adriangb 25 अग॰ 2020

👍6

इस मुद्दे को अब बंद कर दिए जाने के बाद क्या यह WONTFIX है?

मेरे मामले में मैं केवल model.save() उपयोग नहीं कर सकता, क्योंकि अचार किसी बाहरी उपकरण से किया जाता है, जिसमें मेरा कोड केवल एक स्किटिट-लर्न संगत मॉडल प्रदान करता है (मेरी कक्षा get_clf विधि प्रदान करती है)। मैं इस मुद्दे के इर्द-गिर्द काम कर सकता था क्योंकि मेरा कोड (लगभग) केरेस-संगत (tf.keras) नहीं था, और केरस 2.3.1 (TF 1.15.0) बिना किसी मुद्दे के काम करता है।

mimxrt 2 सित॰ 2020

@ मिक्सएक्सर्ट यदि आप एक स्कोर-लर्न एनव के भीतर केरस मॉडल का उपयोग करना साइंकेरस (पूर्ण प्रकटीकरण: मैं लेखक हूं) देखें। यदि आप केवल केर वस्तुओं को लाइसेबल बनाने की राह देख रहे हैं, तो https://github.com/tensorflow/tensorflow/pull/39609 और विशेष रूप से https://github.com/tensorflow/tensorflow/null/39609#issuecomment पर जाँच

संपादित करें: निश्चित लिंक

adriangb 2 सित॰ 2020

❤1

हम अभी इस पर सक्रिय रूप से काम नहीं कर रहे हैं, लेकिन फिर से खोलना अभी भी एक मुद्दा है।

goldiegadde 12 अक्तू॰ 2020

बासी के रूप में बंद। कृपया पुनः खोलें यदि आप इस पर आगे काम करना चाहते हैं।

tensorflow-butler[bot] 19 अक्तू॰ 2020

क्या आप अपने मुद्दे के समाधान से संतुष्ट हैं?
हाँ
नहीं

tensorflow-butler[bot] 19 अक्तू॰ 2020

यह फिर से ठप हो जाएगा।

hbaniecki 26 अक्तू॰ 2020

tensorflow-butler[bot] 2 नव॰ 2020

क्या यह पृष्ठ उपयोगी था?

0 / 5 - 0 रेटिंग्स

Tensorflow: केरस मॉडल अचार-सक्षम लेकिन tf.keras मॉडल अचार-सक्षम नहीं

सबसे उपयोगी टिप्पणी

सभी 34 टिप्पणियाँ

संबंधित मुद्दों