TPU MNIST example: incorrect normalization of image values
Nessuno ha ancora preso questa issue.
Valutazione
- Difficoltà
- 1/5
- Tempo stimato
- Meno di un'ora
- Idoneità per principianti
- 78/100
- Tipo di issue
- Bug
- Chiarezza
- Specificata chiaramente
- Stato di attività
- Ferma
- Stack tecnologico
- jupyter-notebook, python
- Ambito
- machine-learning
Direzione di ricerca
Il bug si trova nella funzione read_image di keras_mnist_tpu.ipynb, che divide i pixel uint8 decodificati per 256.0. Trova questa funzione e cambia il divisore in 255.0. Poi controlla la cella di preparazione del dataset, che secondo la issue deve usare lo stesso fattore. È completato quando entrambi i punti usano 255 e il notebook continua a funzionare dall'inizio alla fine.
Scritto dal modello di indicizzazione a partire dal testo della issue.
Descrizione
In https://github.com/tensorflow/tpu/blob/master/tools/colab/keras_mnist_tpu.ipynb:
def read_image(tf_bytestring):
image = tf.decode_raw(tf_bytestring, tf.uint8)
image = tf.cast(image, tf.float32)/256.0
image = tf.reshape(image, [28*28])
return image
should be:
image = tf.cast(image, tf.float32)/255.0
The reasons: in float representation the image range is [0.0, 1.0] and in int it is [0, 255]. In order to map 255 to 1.0 the normalization factor needs to be 255, not 256.
Also make sure the same factor is used in the opposite operation while preparing the dataset.
- Lingua principale
- Jupyter Notebook
- Stelle
- 5.3k
- Fork
- 1.7k
- Metriche di merge delle PR
- Nessuna PR unita negli ultimi 30g
Preparare l'ambiente
Questo progetto non fornisce container di sviluppo, Dockerfile né guida per i contributori, quindi l'ambiente è a tuo carico: parti dal suo README e consulta la nostra guida al primo contributo per i passaggi generali.
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/tpu
-
Difficoltà 2/5 Mezza giornata Idoneità per principianti 62/100
tensorflow/tpu#3542 ·
-
imagenet_to_gcs.pyAperta
Difficoltà 1/5 Meno di un'ora Idoneità per principianti 78/100
tensorflow/tpu#951 · 2 reazioni ·
-
Broken linkAperta
Difficoltà 1/5 Meno di un'ora Idoneità per principianti 70/100
tensorflow/tpu#908 ·
-
Bug in imagenet_to_gcs.pyAperta
Difficoltà 1/5 Meno di un'ora Idoneità per principianti 62/100
tensorflow/tpu#889 · 1 commento · 1 reazione ·
-
Difficoltà 1/5 Meno di un'ora Idoneità per principianti 78/100
tensorflow/tpu#582 · 1 commento ·
Tutte le issue di tensorflow/tpu
Issue simili
-
needs-triage
Difficoltà 1/5 Meno di un'ora Idoneità per principianti 88/100
flashinfer-ai/flashinfer#9803 ·
I maintainer di solito rispondono entro 1 giorno
-
bug module: rl
Difficoltà 2/5 1-3 ore Idoneità per principianti 78/100
NVIDIA/Megatron-LM#9644 ·
I maintainer di solito rispondono entro 2 giorni
-
`build_flavor_config_from_local_checkpoint` fails with transformers 5.23.0: pipeline `impl` is now a dotted-path stringForse già presa @mlflow-app l’ha presa oggi. Apertahas-closing-pr nightly triage: reproduced
Difficoltà 2/5 1-3 ore Idoneità per principianti 78/100
mlflow/mlflow#28000 · 2 commenti ·
I maintainer di solito rispondono entro 1 giorno
-
Difficoltà 2/5 1-3 ore Idoneità per principianti 76/100
X-PLUG/MobileAgent#304 ·
-
Difficoltà 2/5 1-3 ore Idoneità per principianti 78/100
FluxML/Optimisers.jl#254 ·