У меня есть несколько моделей, которые я хотел бы использовать в новом C# API библиотеки CNTK. Однако я не могу найти, как преобразовать сохраненные модели тензорного потока (такие файлы, как .ckpt и/или .pb с .pbtxt) в формат модели cntk (.model). Моя цель - выполнить задачу вывода API обнаружения объектов тензорного потока в С# с использованием cntk. Я могу запустить вывод в python для тензорного потока, но я хотел бы сделать то же самое в С#. Любое предложение будет оценено.
Преобразование моделей тензорного потока в формат модели cntk для выполнения задачи логического вывода
13.10.2017
Ответы:
1
Я не знаю конвертера TF в CNTK. Если вы просто хотите выполнить eval, попробуйте TensorFlowSharp: https://github.com/migueldeicaza/TensorFlowSharp/tree/master/TensorFlowSharp
Или вы всегда можете обучить свою модель с помощью CNTK, на Python, C# или R.
30.10.2017
Новые материалы
Структуры данных в C ++ - Часть 1
Реализация общих структур данных в C ++
C ++ - это расширение языка программирования C, которое поддерживает создание классов, поэтому оно известно как C с классами . Он используется для..
Как я опубликовал свое первое приложение в App Store в 13 лет
Как все началось
Все началось три года назад летом после моего четвертого класса в начальной школе. Для меня, четвертого класса, лето кажется бесконечным, пока оно не закончится, и мой отец..
Что в лицо
Очерк о возвращении физиогномики и о том, почему мы должны это приветствовать.
История начинается со странной науки.
Р. Тора Бьорнсдоттир, Николас О. Рул. Видимость социального класса по..
Почему шаблоны проектирования и почему нет?
Сложность — мать всех проблем в программировании. Программное обеспечение должно быть разработано с точки зрения того, кто его поддерживает, а не того, кто его пишет, потому что программное..
Создание дизайна обуви с помощью машинного обучения
Обувь. Что подождать? Я думал, что речь пойдет о машинном обучении! Ну это так. Если бы вы пошли на Amazon, сколько обуви вы бы нашли? Наверное, много, не так ли? Но много ли в них..
GraalVM в 2022 году: итоги года
2022 год был очень продуктивным для проекта и сообщества GraalVM. Вместе мы разработали множество новых функций, выпустили GraalVM для последних версий Java и новых платформ и увидели несколько..
Быстрая разработка: волшебный мир больших языковых моделей
РУКОВОДСТВО
Быстрая разработка: волшебный мир больших языковых моделей
Подход, основанный на данных, для получения наилучшего ответа
Искусство и наука
Можно ли совместить машинное..