Блог

Я пробую несколько примеров с использованием моделей keras, которые уже доступны. Большинство примеров используют keras с tensorflow (или pytorch или theano). Из-за ограниченных доступных ресурсов и снижения затрат я использую plaidml для работы с графическим процессором amd. Поскольку keras поддерживает подключаемый сервер, я думаю, что это не может быть проблемой. Пожалуйста, поделитесь своими мыслями об использовании keras api и последующем подключении к нужной серверной части. У меня есть эта проблема, потому что образцы и это используют keras из tensorflow ( import tensorflow.keras ), а я использую plain из keras ( import keras ) с подключаемым бэкэндом. что такое эквивалентный оператор для

 img = tf.io.decode_png(img, channels=1)
# 3. Convert to float32 in [0, 1] range
img = tf.image.convert_image_dtype(img, tf.float32)
 

Есть ли какие-либо ограничения, связанные с простым keras api?

Я просто использовал PIL Image для чтения и преобразования изображения. Он работает так же, как и без использования tensorflow api. Большая часть API keras может использоваться независимо от серверной части. Также есть некоторые предостережения с PlaidML, есть некоторые функции, такие как потеря CTC ctc_batch_cost , которые не могут быть найдены. Я получил ошибку типа

Серверная функция Keras ‘ctc_batch_cost’ еще не реализована в Plaid. Вы можете помочь нам расставить приоритеты, сообщив нам, важна ли для вас эта функция, и, как всегда, вклад приветствуется!

Есть несколько сообщений, которые предоставляют некоторый пример реализации, но это не прямолинейно. От PlaidML ответ заключался в том, что он может быть недоступен в ближайшее время.