ValueError: `to_annotate` can only be a `keras.layers.Layer` instance. You passed an instance of type: Dense.
Nessuno ha ancora preso questa issue.
Valutazione
- Difficoltà
- 4/5
- Tempo stimato
- 3-5 giorni
- Idoneità per principianti
- 35/100
- Tipo di issue
- Bug
- Chiarezza
- Abbastanza chiara
- Stato di attività
- Ferma
- Stack tecnologico
- keras, python, tensorflow
- Ambito
- machine-learning
Direzione di ricerca
Inizia eseguendo l'esempio minimo di TensorFlow Model Optimization riportato nell'issue e confronta le versioni installate di TensorFlow e Keras con il tipo di layer previsto dall'API. Segui quantize_annotate_layer e quantize_apply per identificare il confine di compatibilità; il lavoro è completato quando la riproduzione ha una causa confermata e una configurazione supportata o una soluzione alternativa documentata.
Scritto dal modello di indicizzazione a partire dal testo della issue.
Descrizione
import tensorflow as tf
from tensorflow.keras import layers, models
import tensorflow_model_optimization as tfmot
input_shape = (20,)
annotated_model = tf.keras.Sequential([
tfmot.quantization.keras.quantize_annotate_layer(tf.keras.layers.Dense(20, input_shape=input_shape)),
tf.keras.layers.Flatten()
])
quant_aware_model = tfmot.quantization.keras.quantize_apply(annotated_model)
quant_aware_model.summary()
when I run the above code, it appears error like: "ValueError: to_annotate can only be a keras.layers.Layer instance. You passed an instance of type: Dense."
Does anyone know the way to handle it? Thanks a lot.
- Lingua principale
- Python
- Stelle
- 1.6k
- Fork
- 348
- Metriche di merge delle PR
- Nessuna PR unita negli ultimi 30g
Preparare l'ambiente
- Nessun Dockerfile né file Docker Compose
- Nessun modello di pull request
- Leggi la guida per i contributori
Come iniziare
- Leggi tutta la issue e poi la guida ai contributi del progetto.
- Commenta sulla issue per dire che te ne occupi tu — evita che due persone facciano lo stesso lavoro.
- Fai un fork del repository e lavora su un branch.
- Apri una pull request che faccia riferimento al numero della issue.
Altre issue di tensorflow/model-optimization
-
Broken pre-optimized models link in getting-started guideForse già presa @itzzdev09 l’ha presa 24 giorni fa. Aperta
Difficoltà 2/5 1-3 ore Idoneità per principianti 74/100
tensorflow/model-optimization#1301 · 1 commento ·
-
tensorflow-model-optimization fails to import in official tensorflow:2.15.0 Docker image due to TF_USE_LEGACY_KERAS=1 and missing tf_kerasForse già presa @JiwaniZakir l’ha presa 175 giorni fa. Apertabug
Difficoltà 4/5 3-5 giorni Idoneità per principianti 48/100
tensorflow/model-optimization#1272 ·
-
quantize_model() rejects a valid standalone Keras 3 Sequential modelForse di nuovo libera @MoeenAsim l’ha presa 74 giorni fa e non c’è nessuna pull request aperta. Apertabug
Difficoltà 3/5 1-2 giorni Idoneità per principianti 50/100
tensorflow/model-optimization#1270 · 2 commenti ·
-
bug
Difficoltà 2/5 1-3 ore Idoneità per principianti 48/100
tensorflow/model-optimization#1241 ·
-
First Conv2D layer in model cannot be pruned with structured sparsity (sparsity_m_by_n)Forse di nuovo libera @shoaib-niazi l’ha presa 288 giorni fa e non c’è nessuna pull request aperta. Apertabug
Difficoltà 4/5 3-5 giorni Idoneità per principianti 35/100
tensorflow/model-optimization#1182 · 1 commento ·
Tutte le issue di tensorflow/model-optimization
Issue simili
-
bug
Difficoltà 2/5 1-3 ore Idoneità per principianti 72/100
awslabs/visual-asset-management-system#414 ·
I maintainer di solito rispondono entro 1 giorno
-
bug v1 v2
Difficoltà 2/5 1-3 ore Idoneità per principianti 75/100
modelcontextprotocol/python-sdk#3670 · 1 commento ·
I maintainer di solito rispondono entro 1 giorno
-
Difficoltà 2/5 1-3 ore Idoneità per principianti 82/100
aicell-lab/bioengine#232 ·
I maintainer di solito rispondono entro 1 giorno
-
Difficoltà 2/5 1-3 ore Idoneità per principianti 74/100
modelscope/evalscope#1836 ·
I maintainer di solito rispondono entro 1 giorno
-
Difficoltà 2/5 1-3 ore Idoneità per principianti 62/100