从映射到tensorflow数据集的函数返回意外形状
从映射到TensorFlow数据集的函数返回意外形状是指在使用TensorFlow的数据集API时，通过映射函数对数据进行处理后，返回的数据形状与预期不符的情况。
解决这个问题的方法通常有以下几种：
- 检查映射函数：首先，需要仔细检查映射函数的实现，确保数据处理的逻辑正确。可能存在的问题包括数据类型转换错误、维度操作错误等。可以逐步调试映射函数，查看每一步的数据形状，以确定问题出现的具体位置。
- 检查输入数据：确认输入数据的形状是否符合预期。可以使用TensorFlow的
tf.shape()函数获取输入数据的形状，并与预期形状进行比较。如果输入数据的形状与预期不符，可能需要对输入数据进行预处理或调整。 - 调整数据形状：如果映射函数返回的数据形状与预期不符，可以尝试使用TensorFlow的
tf.reshape()函数对数据进行形状调整。通过调整数据的维度和大小，使其符合预期形状。 - 检查数据集配置：检查数据集的配置参数，确保数据集的相关参数设置正确。例如，数据集的batch size、shuffle等参数可能会影响数据形状。
- 查阅文档和社区：如果以上方法无法解决问题，可以查阅TensorFlow的官方文档和社区，寻找类似问题的解决方案或咨询其他开发者的经验。
对于TensorFlow数据集的映射函数返回意外形状的问题，腾讯云提供了一系列相关产品和服务，如腾讯云AI智能图像服务、腾讯云AI智能语音服务等，可以帮助开发者处理和分析图像、语音等多媒体数据。具体产品介绍和链接地址如下：
- 腾讯云AI智能图像服务：提供了丰富的图像处理和分析能力，包括图像识别、图像分割、人脸识别等。详情请参考腾讯云AI智能图像服务
- 腾讯云AI智能语音服务：提供了语音识别、语音合成、语音评测等功能，支持多种语言和场景。详情请参考腾讯云AI智能语音服务
以上是针对从映射到TensorFlow数据集的函数返回意外形状的问题的解决方法和腾讯云相关产品介绍。希望对您有所帮助！
相关·内容
假设我有一个带有形状(样本，时间步长，特征)的三维数据集，我想用合适的tensroflow数据集格式保存它，例如使用SequenceExample与TFRecord进行进一步读取，并在LSTM中使用。这里有一个数据集：
import numpy as np
import tensorflow as tf
data = np.array(
[
[
[1 , 10, ],
[2 , 11, ],
],
[
[2 , 11, ],
[3 , 12, ],
]
], dtype=np.float32)
y
浏览 21提问于2021-07-15得票数 0
我开始使用图像分类样本来研究tensorflow，这是tensorflow官方文档上的第一个样本。它创建Keras Sequential模型，如下所示：
model = keras.Sequential([
keras.layers.Flatten(input_shape=(28, 28)),
keras.layers.Dense(128, activation='relu'),
keras.layers.Dense(10)
])
输入数据是包含28*28张图像的keras.datasets.fashion_mnist。图像标签在0,1,2...9中。
浏览 3提问于2020-06-12得票数 1
2回答
我正在尝试将一个基于文本的数据管道放入一个双头神经网络中。我使用了官方文档，告诉您将其压缩到值字典中，但它不起作用。
<MapDataset shapes: (None, 32), types: tf.int64>
<MapDataset shapes: (None, 32), types: tf.int64>
这些是将进入每个头部的数据的形状。已使用VectorizeLayer()转换为int序列。
这是神经网络的图表
我正在使用以下命令构建最终的数据集
final_dataset=tf.data.Dataset.from_tensors((
{"i
浏览 1提问于2020-11-21得票数 0
这就是我想要运行的代码
X_train = data1/255.0
from sklearn.preprocessing import LabelBinarizer
lb = LabelBinarizer()
trainY =lb.fit_transform(label)
from tensorflow.keras.models import Model
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import AveragePooling2D
from tensorflow.keras
浏览 2提问于2022-10-17得票数 -1
回答已采纳
我正在尝试创建一个使用TensorFlow Dataset API和Pandas来读取多个CSV文件的管道。但是，使用flat_map方法会产生错误。但是，如果我使用map方法，我能够构建代码并在会话中运行它。这是我正在使用的代码。我已经在TensorFlow Github库中打开了 issue。但很明显，这不是一个错误，他们让我在这里发帖。
folder_name = './data/power_data/'
file_names = os.listdir(folder_name)
def _get_data_for_dataset(file_name,rows=100):#
浏览 5提问于2018-03-06得票数 2
回答已采纳
1回答
我在深度学习和tensorflow方面很新，然后当我尝试使用tensorflow数据管道上的分叉时，就会发生这个错误(我使用google )：
error: OpenCV(4.1.2) /io/opencv/modules/core/src/matrix.cpp:757: error: (-215:Assertion failed) dims <= 2 && step[0] > 0 in function 'locateROI'
这是我的代码：
首先，我使用keras.utils.image_dataset_from_directory加载数据集
浏览 12提问于2022-05-26得票数 1
当我在带有tensorflow的nvidia GPU上创建一个形状为(L, N, N)的变量时，该变量是否占用了L方片的平铺，其中每个片段都是N？
例如，三块拼凑在一起的记忆将是：
# --- #
| NxN |
# --- #
| NxN |
# --- #
| NxN |
# --- #
tensorflow将如何为形状为(a, b, N, N)的变量分配GPU内存
浏览 0提问于2019-06-13得票数 0
回答已采纳
建议使用tensorflow数据集作为输入管道，设置如下：
# Specify dataset
dataset = tf.data.Dataset.from_tensor_slices((features, labels))
# Suffle
dataset = dataset.shuffle(buffer_size=1e5)
# Specify batch size
dataset = dataset.batch(128)
# Create an iterator
iterator = dataset.make_one_shot_iterator()
# Get next batch
浏览 1提问于2018-04-19得票数 5
为什么下面的tf2 tf.keras模型在使用张量时“有效”，但在尝试以tf.data.Dataset.from_tensor_slices形式拟合相同的张量时生成ValueError？
编辑:换句话说，已经使用numpy数组开发/拟合/测试了下面的模型。如何对这些相同的numpy数组进行整形(？)这样它们就可以用来用tf.data.Dataset.from_tensor_slices创建一个与模型协同工作的数据集？
embed = "https://tfhub.dev/google/tf2-preview/gnews-swivel-20dim/1"
hub_layer = h
浏览 24提问于2020-05-16得票数 3
在将Tensorflow数据集传递到Keras的model.fit函数中时，获取与形状相关的ValueError。
我的数据集的标注具有形状(100个样本x 62个要素)和Y_train (100个样本x 1个标注
可重现的代码如下：
import numpy as np
from tensorflow.keras import layers, Sequential, optimizers
from tensorflow.data import Dataset
num_samples = 100
num_features = 62
num_labels = 1
batch_size = 32
浏览 0提问于2019-06-08得票数 0
1回答
这是我的联邦学习测试的代码
from __future__ import absolute_import, division, print_function
import os
import collections
import warnings
from six.moves import range
import numpy as np
import six
import tensorflow as tf
import tensorflow_federated as tff
from tensorflow.keras.callbacks import EarlyStopping, Reduc
浏览 5提问于2020-01-14得票数 2
我的脚本：
import sqlite3
from tensorflow import keras
from sklearn.model_selection import train_test_split as tts
import numpy as np
import pickle
def batchSequencer(tokenedCommentList,sequenceLength,incrementSize):
filler = -1
sequence = []
index = 0
if len(tokenedCommentList) > seq
浏览 7提问于2018-08-21得票数 0
回答已采纳
1回答
我正在尝试从TF2数据集中训练一个自定义的单词嵌入。我的文本已经被编码为整数，我的模型在示例数据集(即从加载的数据集)上工作得很好。但是，当我从(批)数据集中输入我的张量时，模型无法开始使用ValueError: No gradients provided for any variable: ['embed/embeddings:0', 'relu/kernel:0', 'relu/bias:0', 'out/kernel:0', 'out/bias:0'].进行训练。
不知道为什么会发生这种事。导致相同错误的类似
浏览 1提问于2020-07-03得票数 1
回答已采纳
2回答
Keras不兼容的数据形状
、、、、
我正在尝试用CamVid数据训练SegNet模型。我从https://github.com/ykamikawa/tf-keras-SegNet拿到了源代码。然而，我得到了以下错误： ValueError: Input 0 of layer conv2d_152 is incompatible with the layer: expected ndim=4, found ndim=3. Full shape received: [360, 480, 3] 训练数据形状为(233,360,480，3)。我读了一些解决方案，他们说我需要向模型提供(无，360,480，3)形状数据。如何将我的数据重
浏览 18提问于2020-06-18得票数 0
回答已采纳
我有一个数据集，表示为形状NumPy矩阵的(num_features, num_examples)，我希望将它转换为TensorFlow类型的tf.Dataset。
我正在努力理解这两种方法之间的区别：Dataset.from_tensors和Dataset.from_tensor_slices。什么是正确的?为什么？
TensorFlow文档()表示，这两种方法都接受一个嵌套的张量结构，尽管在使用from_tensor_slices时，张量在0维应该具有相同的大小。
浏览 0提问于2018-03-30得票数 91
回答已采纳
1回答
我正在构建一个基于的模型。我的普通实现的问题是，它同时加载所有数据，这在培训数据变得非常大时并不是最好的主意；我的输入文件(在链接代码中表示为training.h5 )超过了30 GB。
我决定转而使用tf.data接口，这应该允许我处理大型数据集；这里的问题是，我不知道如何正确地对TFRecordDataset进行格式化，使其满足Model的要求。
如果您检查model.fit(x_train, [y_train, vad_train]，它本质上需要以下内容：
x_train，形状[nb_sequences, window, 42]
y_train，形状[nb_sequences,
浏览 5提问于2020-03-14得票数 1
回答已采纳
我正在使用tf.data.Dataset来创建我的数据集，并使用keras训练CNN。我需要在图像上应用掩码，并且掩码取决于图像的形状，没有预定义的像素坐标。
在互联网上寻找答案时，我发现在TensorFlow中有两种访问图像形状的方法(在培训时)：
使用急切的执行(在我的情况下，默认情况下不启用，我使用的是tf v12.0)
使用会话
我不想使用急切的执行，因为它减慢了训练速度，而且不能使用会话，因为我使用Keras训练和测试CNN (我使用tf.data.Dataset的迭代器将数据提供给tf.data.Dataset)。
因此，我无法了解图像的形状，因此无法访问特定的像素
浏览 3提问于2020-03-27得票数 2
回答已采纳
我通过代码将pascal voc数据集转换为tfrecords。我使用tf.contrib.data.Dataset读取数据。我使用的代码如下：
import tensorflow as tf
from tensorflow.contrib.data import Iterator
slim_example_decoder = tf.contrib.slim.tfexample_decoder
flags = tf.app.flags
flags.DEFINE_string('data_dir', '/home/aurora/workspaces/data/tfre
浏览 0提问于2017-10-11得票数 1
我想使用cifar100数据集中的一些类来训练模型。我使用numpy where来过滤数据集，但是它缩小了图像数组的维度。
import numpy as np
from tensorflow.keras.datasets import cifar100
(x_train, y_train), (x_test, y_test) = cifar100.load_data()
index = np.where((y_train == 1) | (y_train == 2))
print('Images Shape: {}'.format(x_train.shape))
X_tra
浏览 5提问于2022-04-25得票数 0
回答已采纳
当使用Tensorflow 2定义一个非常简单的网络时，我得到了一个与形状有关的错误。
我的代码是：
import tensorflow as tf
import pandas as pd
data = pd.read_csv('data.csv')
target = data.pop('result')
target = tf.keras.utils.to_categorical(target.values, num_classes=3)
data_set = tf.data.Dataset.from_tensor_slices((data.values,
浏览 0提问于2020-04-29得票数 1
回答已采纳
问题
我正在尝试过滤一个Tensorflow 2.4数据集，该数据集基于包含我希望子集的索引的numpy数组。数据集有1000幅形状图像(28,28,1)。
玩具示例代码
m_X_ds = tf.data.Dataset.from_tensor_slices(list(range(1, 21))).shuffle(10, reshuffle_each_iteration=False)
arr = np.array([3, 4, 5])
m_X_ds = tf.gather(m_X_ds, arr) # This is the offending code
错误消息
ValueError: A
浏览 7提问于2021-02-28得票数 2
回答已采纳
我正在尝试使用 在Ubuntu18.04.1LTS (VirtualBox)上将我从获得的冻结模型转换为.tflite。当我尝试运行该命令时：
/home/nils/.local/bin/tflite_convert
--output_file=/home/nils/Documents/frozen.tflite
--graph_def_file=/home/nils/Documents/20180402-114759/20180402-114759.pb
--input_arrays=input --output_array=embeddings
我得到以下错误：
2018-11-29
浏览 68提问于2018-11-30得票数 3
回答已采纳
我想在TFF (Tensorflow Federated)上使用三通道(X，Y，Z)加速度计数据集训练联邦模型，时间帧长度为128。
我的目标是使用
tff.learning.from_keras_model
TensorFlow联邦网站上的指南主要是处理数据集，这些数据集已经以所需的格式提供给模型。
tensorflow_federated.python.simulation.hdf5_client_data.HDF5ClientData
我完全不知道如何将我的原始数据集转换成所需的TFF格式。
我使用的数据集具有以下形状：
X: (-1, 128, 3) and Y: (-1)
X:是否浮
浏览 2提问于2020-03-25得票数 1
回答已采纳
我有非常简单的输入:点数，我试图分类它们是否在某个地区。因此，我的训练数据是形状(1000000, 2)，它是一个表单数组：
[ [x1,y1], [x2,y2],... ]
我的标签有类似的形式(形状(10000, 2))：
[ [1,0], [0,1], [0,1],... ]
([0,1]表示重点在该区域，[1,0]表示不存在)
我的模型是这样建立的：
import tensorflow as tf
from tensorflow import keras
import numpy as np
# Reads the points and labels from .csv format
浏览 1提问于2019-04-11得票数 4
回答已采纳
Tensorflow2用于训练，我在对象分类训练中打印了相当多的警告。这些警告的原因可能是什么？
2020-04-17 12:15:16.091784: W tensorflow/core/common_runtime/shape_refiner.cc:88] Function instantiation has undefined input shape at index: 486 in the outer inference context.
2020-04-17 12:15:16.091846: W tensorflow/core/common_runtime/shape_refiner
浏览 2提问于2020-04-17得票数 1
我试图用两个不同的输入来制作一个tensorflow模型，一个是9,10，另一个是8。
我还试图使用tf.dataset来迭代我的输入。但是，每当我尝试这样做时，它就会失败，并出现以下错误：
tensorflow.python.framework.errors_impl.InvalidArgumentError: Shapes of all inputs must match: values[0].shape = [9,10] != values[1].shape = [8]
[[{{node packed}}]] [Op:IteratorGetNext]
但可以肯定的是，有可能有不
浏览 14提问于2022-06-03得票数 2
有没有人知道在MNIST的训练数据中是否有可能随机更改一些标签(可能是5%)？我只想移动它们，但Tensorflows似乎没有这个选项。
import tensorflow.compat.v2 as tf
import tensorflow_datasets as tfds
tf.enable_v2_behavior()
(ds_train, ds_test), ds_info = tfds.load(
'mnist',
split=['train[:50%]', 'test'],
shuffle_files=True,
浏览 0提问于2021-01-20得票数 0
1回答
我正在使用开源的Tensorflow实现研究论文，例如。我使用的大多数库都配置为在本地训练模型，但是我想使用Google来训练模型，因为我的笔记本上没有GPU。我发现很难更改代码以支持GCS存储桶。目前，我正在将日志和模型保存到/tmp中，然后运行一个“gsutil”命令，在培训结束时将目录复制到gs:// my ()。如果我尝试将模型直接保存到gs://my-bucket，它就永远不会出现。
对于训练数据，tensorflow样本之一将数据从GCS复制到/tmp for training ()，但这仅在数据集较小的情况下起作用。我想使用celebA，而且它太大了，无法每次运行时都复制到/tm
浏览 3提问于2017-03-15得票数 3
回答已采纳
C中有TF_GraphGetTensorShape，但是接口与C++ Graph和Output不兼容。如何使用tensorflow C/C++ API做同样的工作？
例如。如何使用Slice API获得C++操作返回的张量形状，然后使用该张量形状生成具有相同形状的variable？
浏览 0提问于2018-07-06得票数 5
回答已采纳
我打算用tensorflow.data.experimental.CsvDataset在TensorFlow 2中训练小批量，但是张量的形状不适合我的模型的输入形状。
请让我知道什么是最好的方式小批量培训由一个数据集的TensorFlow。
我试了如下：
# I have a dataset with 4 features and 1 label
feature = tf.data.experimental.CsvDataset(['C:/data/iris_0.csv'], record_defaults=[.0] * 4, header=True, select_cols=
浏览 1提问于2020-09-26得票数 0
回答已采纳
我把看作是的一部分，而且已经很困惑了。我的理解是(如果我错了，请纠正我)：
步骤4定义了一个输入函数my_input_fn，它将数据格式化为相关的TensorFlow structuresTensor。
然后，步骤5将此函数提供到train调用中。
其意图是，列车呼叫将连续调用my_input_fn，以获得连续批数据，以调整模型。(？现在对此进行调查)
这里定义了my_input_fn：
def my_input_fn(features, targets, batch_size=1, shuffle=True, num_epochs=None):
""
浏览 0提问于2018-03-20得票数 8
回答已采纳
下面的代码给了我一个错误，我找不到答案。我尝试将python函数应用于张量的每个元素，该函数将元素转换为形状3的向量，因此我可以计算自定义评估度量。它需要是一个Python函数，因为它也在其他地方使用。
错误(下面的日志)是Invalid argument: PartialTensorShape: Incompatible ranks during merge: 1 vs. 0，我认为它与map_fn的结果及其形状有关。但是，它只在运行时发生，就好像我有任何其他形状一样，然后当我执行model.compile()时，它会抛出一个与形状不兼容的错误。我是不是误解了map_fn的使用方法？有什么
浏览 6提问于2021-04-09得票数 0
在使用tensorflow-datasets模块时遇到一些问题。使用stanford_dogs数据集，我将图像大小调整为[180,180]，但是当训练模型时，从错误消息中看，tensorflow似乎正在尝试加载原始大小的图像。 我做错了什么？ 复制错误(以及下面的错误)的代码。Dataset在750mb附近。可以将其复制粘贴到google colab中并运行以进行复制。 import io
import numpy as np
import tensorflow as tf
import tensorflow_datasets as tfds
def _normalize_img(img,
浏览 126提问于2020-11-02得票数 2
回答已采纳
与类似，我希望从一个具有不同大小的元素的列表中构建一个。但是，与链接问题不同，我想从的输出中生成数据集，后者输出张量列表。
我的设置：
import tensorflow as tf
D = tf.data.Dataset # shorthand notation
x = tf.range(9) # Array to be partitioned
p = tf.constant([1,0,2,0,0,0,2,2,1]) # Defines partitions
因此，数据集应该有三个元素，分别包含[1 3 4 5]、[0 8]和[2 6 7]。
正如预期的那样，直接办法失败了：
datase
浏览 0提问于2018-02-06得票数 1
回答已采纳
我正在尝试使用tensorflow创建一个CNN (convnet)，用于一维数据集上的应用程序。我的数据被构造成一行浮点数，每一行都有一个相关的热目标( feature1，feature2 .feature100；y_val )
我已经运行了一个基本的多层感知器，但希望利用特征空间中的“地点”，以及通过池等利用特征空间的“下采样”。
问题是，我无法用tensorflow (传递错误的conv1d或conv2d函数)找到任何方法来做到这一点。
ValueError: Shape must be rank 4 but is rank 3 for 'conv1d_4/Conv2D'
浏览 6提问于2017-08-19得票数 0
回答已采纳
我正在尝试将numpy数组(x，1,768)和标签(1,768)加载到tf.data中。我的代码如下：
import pandas as pdb
import pdb
import numpy as np
import os, glob
import tensorflow as tf
#from tensorflow import keras
from tensorflow.keras import layers, initializers
from tensorflow.keras.layers import Layer
from tensorflow.keras import backen
浏览 0提问于2020-05-19得票数 1
1回答
使用gRPC发送Keras模型
、、、、
我正在尝试用gRPC实现一个联邦学习系统。Tensorflow Federated目前支持多机远程学习，但在我看来有些奇怪，它在服务器端准备客户端数据集。我希望客户端的数据集只驻留在客户端的设备上，而不是服务器的内存中。 如果我使用Tensorflow已经使用过的tensor_shape.proto, tensor.proto, types.proto, resource_handle.proto和tensor_util.make_tensor_proto()，像权重向量这样的张量可以很好地传输 hist = model.fit(...)
vector = model.trainable_v
浏览 26提问于2020-04-06得票数 1
试图在tf 2中将元组映射到数据集中的元组(请参见下面的代码)。我的输出(请参见下面)显示，map函数只调用一次。而且我看不出是元组。
如何从输入参数a获得"a“、"b”、"c“，即：
tuple Tensor("args_0:0", shape=(3,), dtype=string)
type <class 'tensorflow.python.framework.ops.Tensor'>
编辑:似乎使用Dataset.from_tensor_slices可以同时生成数据。这解释了为什么地图只被调用一次。所以我可能需要用其他
浏览 3提问于2019-11-21得票数 3
1回答
我的数据集很大(大约13 My )。我有一个数据集的hdf5文件，并且我正在使用一个自定义生成器从数据集中加载批处理。我的模型在Kaggle GPU上运行良好，但当我切换到TPU时，我得到了一个错误。下面是我的生成器函数和运行model.fit时收到的错误。 def generate_data():
while True: # Loop forever so the generator never terminates
for _ in range(0, num_samples, BATCH_SIZE):
# Get the samples you'
浏览 15提问于2020-11-24得票数 1
我试图构造我的参数，以便它们能够正确地使用tf.map_fn()，但是大多数示例文档只讨论与函数参数形状相同的数组或张量。
链接包括：
我的具体例子是:我有一些tensorflow函数，它期望None，2和x，y作为参数张量形状。
张量A的形状为batch_size，x*y，2
张量B的形状为batch_size，x，y
lambdaData = (tensorA, tensorB)
lambdaFunc = lambda x: tensorflowFunc(x[0], x[1])
returnValues = tf.map_fn(lambdaFunc, lambdaData)
来自tens
浏览 5提问于2017-12-26得票数 3
1回答
我新上了tensorflow，我试着了解batch的大小应该是多少。
我的数据(119396, 12955)的形状。如何对数据选择最佳batch_size？数据形状和算法对batch_size的依赖是什么？
浏览 0提问于2018-08-09得票数 3
回答已采纳
我正在编写一个tf.data管道，以便稍后输入到keras中。问题是我的数据是以泡菜文件的形式。我有一个传递给tf数据的文件名列表，我将使用一个自定义的tf.py_func调用泡菜来加载这些文件名。
当我试图从dataset构建一个迭代器时，出现了一个问题，给出了以下错误
“无法将值，)，类型：(tf.float32，tf.float32)>转换为TensorFlow DType。”
我认为这是因为tensorflow无法推断加载的泡菜数据的形状。我有点不知所措，如何继续，或如果这是可能的tf数据在所有。
dataset = tf.data.Dataset.from_tensor
浏览 0提问于2019-01-03得票数 0
回答已采纳
我经常在许多Tensorflow 文本中看到这样的内容：
若要进行此计算，需要使用列方法。您显然需要在现实生活中计算这些数据，但是在这个示例中，我们将只提供它们。
对于中小型CSV数据集来说，计算平均值就像数据上的pandas方法一样简单，或者使用“`scikit learn”
但是，如果我们有较大的数据集，比如一个50 do的CSV文件，那么如何计算平均值或其他类似的统计数据。Tensorflow Transform声称它可以计算全局摘要统计数据，但它们并没有真正解释这个统计数据是如何工作的，也没有解释如何将其集成到工作流中。
下面是他们的中的代码示例。
import tensorf
浏览 4提问于2019-07-03得票数 7
回答已采纳
我一直在寻找一个解决方案，如何使用不同大小的图像作为神经网络的输入。
Numpy
第一个想法是使用numpy。但是，由于每个图像的大小不同，我无法使用它，因为tensorflow不接受numpy.ndarray。
尝试一个简单的list也不起作用，因为它不受支持。
数据集生成器
尝试用yield实现自定义生成器，但是遇到了大量的errors
在最后确定GeneratorDataset迭代器时发生错误:已取消:操作被取消
使用dataset作为输入时不支持tensorflow y参数
没有为任何变量提供渐变
生成器产生了一个形状单元(50，50，3)，其中期望有一个形状元素(无，3)。
tens
浏览 4提问于2021-12-05得票数 0
回答已采纳
1回答
我正在建立一个基于音频的深度学习模型。作为预处理的一部分，我想在我的数据集中增加音频。我想做的一个增强是应用RIR (房间脉冲响应)函数。我正在和Python 3.9.5和TensorFlow 2.8一起工作。
在Python中，标准的方法是，如果RIR作为n个抽头的有限脉冲响应(FIR)，则使用。
import numpy as np
from scipy import signal
import soundfile as sf
h = np.load("rir.npy")
x, fs = sf.read("audio.wav")
y = signal.l
浏览 9提问于2022-04-11得票数 6
回答已采纳
在Tensorflow 1.12中，介绍了tf.data.Dataset.reduce()和tf.data.Dataset.window()方法。
在发布说明中：
“新的tf.data.Dataset.reduce() API允许用户使用用户提供的减少函数将有限的数据集简化为单个元素。”
新的tf.data.Dataset.window() API允许用户创建有限的输入数据集窗口；当与tf.data.Dataset.reduce() API相结合时，用户可以实现定制的批处理。
然而，如何使用这些功能呢？
def reduce_func(old_state, input_elem
浏览 0提问于2018-10-24得票数 2
我正在用TensorFlow做一个神经网络。我现在想导入我自己的图像作为数据集，以便在这些图像上训练神经网络。
为此，我首先获得一个文件名及其对应标签的列表。我使用以下代码来完成此操作：
locations = {"chimpanzee":["G:\Profielwerkstuk\chimpanzee"],
"gorilla":["G:\Profielwerkstuk\gorilla"],
"howler monkey":["G:\Profielwerkstuk\
浏览 1提问于2018-01-20得票数 1
作为TensorFlow 的初学者，我无法理解为什么tensorflow.rank总是返回带空值的形状？
，这就是我正在做的：
import tensorflow as tf
%tensorflow_version 2.x
list_2d = [[1,2,3,4],
[5,6,7,8],
[9,10,11,12]
]
tensor_2d = tf.Variable(list_2d)
print(tensor_2d.shape)
print(tf.rank(tensor_2d))
，输出为
(3, 4)
tf.Tensor(2, shape
浏览 6提问于2020-05-24得票数 2
回答已采纳
我想要生成一个从RGB图像(256×256×3)中提取的一维特征向量，使用预先训练的模型。假设我从一个形状为(N_images，256,256，3)的张量开始，我想获得一个形状为(N_images，M_features)的张量，其中M_features是用户选择的特征数。我在keras/tensorflow 中找到了一个可行的解决方案(参见：“使用VGG16提取特性”)，并尝试了以下代码(使用ResNet50)：
from tensorflow.keras.applications.resnet50 import ResNet50
from tensorflow.keras.preproces
浏览 2提问于2022-07-26得票数 0
我有一个数据集，它是一个很大的形状矩阵(100000,2000)。
我想用训练我的Tensorflow神经网络，所有可能的滑动窗口/子矩阵的形状(16,2000)这个大矩阵。
我用：
from skimage.util.shape import view_as_windows
A.shape # (100000, 2000) ie 100k x 2k matrix
X = view_as_windows(A, (16, 2000)).reshape((-1, 16, 2000, 1))
X.shape # (99985, 16, 2000, 1)
...
model.fit
浏览 4提问于2021-06-22得票数 1
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
实时音视频
即时通信 IM
对象存储活动推荐
腾讯云开发者
