另外,发现网络的定义中有关于训练的内容,但是MLU板卡目前主要支持推理,建议着重看下该部分训练代码是否影响了断层展开
另外,发现网络的定义中有关于训练的内容,但是MLU板卡目前主要支持推理,建议着重看下该部分训练代码是否影响了断层展开
def cnn(conv_layers=3,conv_sizes=(64,128,256),filter_size=3, fc_layers=2,fc_sizes=(4096,2048), dropout=0.5,pool_size=2,init='he_uniform',act='relu',optim='adam',pool=True, reg = reg.l2(0.05)): classifier = Sequential() for i in range(conv_layers): classifier.add(Conv1D(conv_sizes[i], filter_size, input_shape = X_train.shape[1:], activation = act,kernel_initializer=init,kernel_regularizer=reg)) classifier.add(BatchNormalization()) if pool: classifier.add(MaxPooling1D(pool_size = 2)) classifier.add(Flatten()) for j in range(fc_layers): classifier.add(Dense(fc_sizes[j], activation = act,kernel_initializer=init,kernel_regularizer=reg)) classifier.add(Dropout(dropout)) classifier.add(Dense(4, activation = 'softmax',kernel_initializer=init)) classifier.compile(optimizer = optim, loss = 'sparse_categorical_crossentropy', metrics = ['accuracy']) classifier.summary() classifier.fit(X_train, y_train, validation_data=(X_test,y_test),epochs=10,batch_size=64) return classifier这个是网络结构
您好,根据日志来看,是模型分段的原因。应该是模型中的某些层(或算子)在MLU上不支持导致模型分段,可以尝试替换模型中的层(或算子)来解决该问题。展开
请登录后评论