Add BatchNorm support
Personne n'a encore pris cette issue.
- Langage dominant
- Java
- Étoiles
- 928
- Forks
- 227
- Métriques de merge des PR
- Aucune PR mergée en 30 j
Description
System information
- 1.15 and 2.3:
- Are you willing to contribute it (Yes):
Describe the feature and the current behavior/state.
The problem is described in the mailing thread.
I have next problem: trying to repeat one of the modern CNN architectures on Java API. Most of them are using BatchNormalization as a popular layer with tf.nn.batchNormalization() op.
I trying to use old operands like BatchNormWithGlobalNormalization
I've used but got Exception in thread "main" org.tensorflow.exceptions.TFUnimplementedException: Op BatchNormWithGlobalNormalization is not available in GraphDef version 175. It has been removed in version 9. Use tf.nn.batch_normalization().
at org.tensorflow.internal.c_api.AbstractTF_Status.throwExceptionIfNotOK(AbstractTF_Status.java:99)
This was deperecated years ago, but we have it in 1.15 and 2.x APIs.
The possible solutions:
- To implement all required stuff in Java Ops
- Add gradients and contributions in TF Core (gradients and another stuff) if it's possible
Guide de contribution
Ouvrir le guide de contribution
Par où commencer
- Lisez l'issue en entier, puis le guide de contribution du projet.
- Signalez en commentaire que vous la prenez — cela évite que deux personnes fassent le même travail.
- Forkez le dépôt et travaillez sur une branche.
- Ouvrez une pull request qui référence le numéro de l'issue.
Piste de recherche
Commencez par lire le fil de discussion de la liste de diffusion lié et comparez la prise en charge actuelle de la Java API avec tf.nn.batchNormalization(). L’issue propose soit d’implémenter les Java Ops requis, soit d’ajouter TensorFlow Core gradients et les contributions associées ; le chemin d’implémentation attendu et les critères d’achèvement doivent donc d’abord être clarifiés.
Rédigé par le modèle d'indexation à partir du texte de l'issue.
Évaluation
- Stack technique
- java
- Domaine
- machine-learning
- Type d'issue
- Fonctionnalité
- Difficulté
- 5/5
- Temps estimé
- Plus d'une semaine
- Activité
- À l'abandon
- Clarté
- À clarifier
- Accessibilité débutants
- 20/100