使用一个已知维度进行Tensorflow重塑
是指在使用Tensorflow进行深度学习模型训练或推理时，通过改变张量的形状来适应不同的数据处理需求。
Tensorflow是一个开源的机器学习框架，广泛应用于深度学习领域。在Tensorflow中，张量（Tensor）是数据的基本单位，可以看作是多维数组。而重塑（Reshape）操作则是改变张量的形状，使其适应不同的数据处理需求。
重塑操作可以通过Tensorflow的tf.reshape函数来实现。该函数接受一个张量作为输入，并指定目标形状。例如，如果我们有一个形状为(2, 3, 4)的张量，可以使用tf.reshape(tensor, shape)将其重塑为其他形状，如(3, 8)、(6, 4)等。
重塑操作在深度学习中具有广泛的应用场景。以下是一些常见的应用场景：
- 数据预处理：在深度学习任务中，数据通常需要满足一定的输入格式要求。通过重塑操作，可以将原始数据转换为模型所需的输入形状，以便进行后续的数据处理和训练。
- 特征提取：在卷积神经网络（CNN）中，卷积层的输出通常是一个多维张量。为了将其连接到全连接层进行分类或回归任务，需要将其重塑为一维张量。
- 模型调整：在迁移学习或模型微调中，可能需要将已有模型的输入形状与新任务的数据匹配。通过重塑操作，可以将模型的输入形状调整为新任务所需的形状。
- 数据增强：在数据增强技术中，可以通过重塑操作改变图像的形状，如调整图像大小、裁剪、旋转等，以增加数据的多样性和模型的鲁棒性。
腾讯云提供了一系列与Tensorflow相关的产品和服务，可以帮助用户进行深度学习模型的训练和推理。其中，腾讯云AI引擎（https://cloud.tencent.com/product/tci）提供了强大的AI计算能力和丰富的AI模型，可用于图像识别、语音识别、自然语言处理等任务。腾讯云AI引擎支持Tensorflow框架，并提供了易于使用的API和SDK，方便用户进行模型的部署和调用。
总结：使用一个已知维度进行Tensorflow重塑是指通过改变张量的形状来适应不同的数据处理需求。重塑操作在深度学习中具有广泛的应用场景，包括数据预处理、特征提取、模型调整和数据增强等。腾讯云提供了与Tensorflow相关的产品和服务，可帮助用户进行深度学习模型的训练和推理。
相关·内容
我有一个tensorflow模型，并转换为tensorrt模型。Tensorflow模型的uff转换如下所示。输入是图像，输出是Openpose/concat_stage7 NOTE: UFF has been tested with TensorFlow 1.12.0. Other versions are not guaranteed to work
UFF Version 0.6.3
=== Automatically deduced input nodes ===
[name: "image"
op: "Placeholder"
attr {
ke
浏览 49提问于2019-06-03得票数 0
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
我只有一个关于tensorflow重塑函数的简短问题。在tensorflow中，您可以使用shape = (None，shape1，shape2，.. )初始化张量占位符的形状。)。现在我看了一下重塑函数，他们用-1表示新的重塑，
例如new_tensor = tf.reshape(old_tensor，shape = (-1，shape1，shape2，..))
-1是否等同于无？如果不是，这两者有什么不同？
浏览 0提问于2018-06-20得票数 3
1回答
我没有太多的经验，在张贴问题的堆栈溢出。原谅我的错误。我会尽力彻底的。
我有两个numpy数组：
29)X是一个具有高度和宽度(90，90)的黑白图像数组。y是对应于X (编码为y = tensorflow.keras.utils.to_categorical(labels) )的编码类标签。
我试着训练下面的CNN关于这些数据。
from tensorflow.keras import utils
from tensorflow.keras.optimizers import Adam
from tensorflow.keras.models import Sequential
from t
浏览 0提问于2021-01-13得票数 2
回答已采纳
1回答
我使用TFLite .a static lib在安卓上集成了TFLite。TFLite支持TfLiteTensor类，不支持张量类。如何在类似tensorflow张量操作的tensorflow lite上使用张量？例如，张量升维、降维和张量切片。谢谢!
浏览 11提问于2021-02-17得票数 0
2回答
我不能让我的RNN分类器处理我的输入数据。我使用的是带有滑动窗口的TF 2.0预发布版本。
我正在尝试建立一个RNN，我正在喂养5个时间步，每个6个特征，并让它产生第6个时间步作为目标。当我运行我的代码时，它给我一个错误，告诉我输入是(None,6)，而当我打印出训练数据时，它清楚地表明形状是(5,6)。我对如何解决这个问题感到非常困惑。
错误：
File "C:\Users\employee\AppData\Local\Programs\Python\Python36\lib\site-packages\tensorflow_core\python\keras\engine\trai
浏览 3提问于2019-08-28得票数 2
我有一个表示嵌入的张量，我想重塑它，但是它失败了，出现了以下错误：
TypeError:不允许使用tf.Tensor作为Python bool。使用if t is not None:而不是if t:来测试是否定义了张量，并使用TensorFlow操作(如tf.cond )执行以张量值为条件的子图。
用于重塑的代码：
embedding_feature = \
Reshape((tf.shape(embedding_feature)[0],
10, 20, tf.shape(embedding_feature)[2])) \
(embeddi
浏览 13提问于2019-11-22得票数 1
回答已采纳
tensorflow中有没有降维的API？例如，给定一个张量[[1,2], [3,4], [5,6]]，我想要降低它的最后一个维数，使其变为[1, 2, 3, 4, 5, 6]。
有一个API tf.expand_dims()可以做相反的事情。有没有tf.reduce_dims()？
浏览 2提问于2018-05-25得票数 1
1回答
我正在尝试使用TensorFlow 2.2.0实现一个扁平层。我正在遵循Geron的书(第二版)中的说明。对于扁平层，我首先尝试获得批量输入的形状并计算新的形状。但是我在张量维度上遇到了这个问题：TypeError: Dimension value must be integer or None or have an __index__ method import tensorflow as tf
from tensorflow import keras
(X_train, y_train), (X_test, y_test) = keras.datasets.fashion_mnist.l
浏览 209提问于2020-06-26得票数 2
我正在用Python3.5+TensorFlow1.8建立一个图像翻译网络。对于数据增强，我尝试将tf.random_crop()与通配符一起使用，比如：
# input images
A = tf.placeholder(tf.float, shape=(None, 480, 640, 3))
B = tf.placeholder(tf.float, shape=(None, 480, 640, 3))
# images concatenation to crop on the same random seed
AB = tf.concat([A, B], 3)
# random cro
浏览 1提问于2018-06-07得票数 1
回答已采纳
我在努力解决分类问题。我不知道为什么我会犯这个错误：
ValueError: Input 0 of layer sequential_9 is incompatible with the layer: : expected min_ndim=4, found ndim=3. Full shape received: [None, None, None]
这是主要代码：
model = createModel()
filesPath=getFilesPathWithoutSeizure(i, indexPat)
history=model.fit_generator(generate_array
浏览 6提问于2020-09-30得票数 2
回答已采纳
我有一个张量。假设它的维数是2999。如何将其重塑为999，2并获得第一维，即Tensorflow中的999？
浏览 25提问于2021-04-15得票数 1
回答已采纳
我试图为矩阵创建嵌入向量。
首先，我将矩阵的输入转换为向量：
x = input_x.reshape(input_x.shape[0], input_x.shape[1]*input_x.shape[2])
也就是说，每个样本(每个输入)都是向量(而不是矩阵)。
我正在建立以下模型：
max_length = x.shape[0] # number of rows / number of samples
Vocab_size = 200
num_labels = 3
model = Sequential()
embedding_layer = Embedding(input_dim=Vo
浏览 3提问于2020-12-13得票数 0
回答已采纳
我正在学习TensorFlow教程
最初，x被定义为
x = tf.placeholder(tf.float32, shape=[None, 784])
后来它重塑了x，我试着去理解为什么。
为了应用这一层，我们首先将x整形为4d张量，第二和第三维对应于图像的宽度和高度，最后的维数对应于彩色通道的数目。
x_image = tf.reshape(x, [-1,28,28,1])
在整形向量中-1意味着什么?为什么x被重塑？
浏览 5提问于2017-01-21得票数 8
回答已采纳
是否有一种方法在自定义Keras损失函数中重塑TF张量？我定义了一个卷积神经网络的自定义损失函数？
def custom_loss(x, x_hat):
"""
Custom loss function for training background extraction networks (autoencoders)
"""
#flatten x, x_hat before computing mean, median
shape = x_hat.get_shape().as_list()
ba
浏览 4提问于2017-03-27得票数 2
在tensorflow中，如果我有一个张量： A = tf.fill([3,2,2],2) # shape [3,2,2]
B = tf.constant([1,2,3]) # shape [3] 我如何将它们相乘，从而得到形状为3,2,2的张量 [
[ [2,2], [2,2] ],
[ [4,4], [4,4] ],
[ [6,6], [6,6] ]
] 我的乘法因子在这里是简单的演示。
浏览 17提问于2019-02-16得票数 1
回答已采纳
2回答
我从一篇研究论文中复制了一个深层次的CNN。当我最初构建模型时，我假设批处理的大小是1。但是，现在我已经了解了更多关于批处理大小的知识，我想使用40的批处理大小。
这是
这是一个非常深的网络，因此我将在下面展示一个更基本的项目版本：
x = tf.placeholder(tf.float32, shape=[None, 7168])
y_ = tf.placeholder(tf.float32, shape=[None, 7168, 3])
#MANY CONVOLUTIONS OMITTED HERE
#one of many transpose convolutions, the 40
浏览 0提问于2018-01-31得票数 1
回答已采纳
1回答
我正在尝试在c++中实现一个轻量级(最小化的库依赖)版本的TensorFlow图，并且我正在尝试使用本征张量对象来执行图形操作。现在，我在尝试使用特征Tensor.convolve()方法来复制TensorFlow的Conv2D操作的行为时遇到了困难。为了简单起见，我的初始Conv2D操作没有填充和跨度为1。
卷积层的输入是一个51x51x1张量，它与大小为3x3x1x16的滤波器组进行卷积。在tensorflow中，这会生成一个大小为49x49x16的输出张量。使用下面的特征代码在C++中设置相同的操作仅填充输出张量的第一个通道，因此顶部49x49x1单元格包含正确的值，但不填充其余1-15
浏览 2提问于2019-04-05得票数 2
我已经实现了以下自定义Layer，它根据使用函数repeat的输入x的大小，在调用时修改可学习参数seed_vectors的大小。
import tensorflow as tf
from tensorflow.keras.layers import Dense
from tensorflow import repeat
from tensorflow.keras.layers import LayerNormalization
class PoolingMultiHeadAttention(tf.keras.layers.Layer):
def __init__(self, d
浏览 3提问于2020-03-02得票数 3
回答已采纳
1回答
下面的代码是用于肺部分割(2D)从胸部X线.它被认为是利用经过训练的模型“训练模型. the 5”从胸部X光中产生肺罩。当给予胸部x光作为输入时，它应该能够识别哪些是肺，并相应地创建一个单独的肺面具。trained_model.hdf5包含对JSRT数据集进行训练的模型。
#from load_data import loadDataJSRT, loadDataMontgomery
import numpy as np
import pandas as pd
from keras.models import load_model
from skimage import morphology,
浏览 0提问于2018-09-28得票数 0
回答已采纳
假设我有一个有3个通道的(7,7,3)图像。如何使用图像创建矩阵A，使每行仅由相邻像素的成对连接组成？我知道在python中使用for循环可以很容易做到这一点，但是我们如何在tensorflow图中做到这一点呢？
矩阵A的示例：
[[pixel1 pixel2],
[pixel1 pixel3],
[pixel1 pixel4],
.....so on ]]
浏览 12提问于2017-01-08得票数 1
回答已采纳
因此，我正在尝试制作一个用于对COVID19推文进行情绪分析的CNN。我已经制作了一个基本的CNN，它应该是从每个推文的前1000个单词计数向量中训练出来的，这些向量被标记为正向或负向。 变量的形状 features.shape : (100000, 1000)
labels.shape : (100000,) 模型 model = Sequential()
model.add(Conv1D(input_shape=(100000,1000),filters=64,kernel_size=(3),padding="same", activation="relu
浏览 15提问于2020-07-24得票数 0
2回答
我的目标文件夹设置正确，我相信如下所示
Cell_Images ---> Cell_1 --> imgD1.png, imgD2.png...etc
Cell_2 --> imgT1.png, imgT2.png...etc
下面是我正在使用的代码
import tflearn
from tflearn.layers.conv import conv_2d, max_pool_2d
from tflearn.layers.core import input_data, dropout, fully_connected
from tflea
浏览 2提问于2017-04-29得票数 0
回答已采纳
1回答
我一直试图在Bert嵌入的基础上堆叠一个LSTM层，但是当我的模型开始训练它时，它在最后一批上失败并抛出以下错误消息：
Node: 'model/tf.reshape/Reshape'
Input to reshape is a tensor with 59136 values, but the requested shape has 98304
[[{{node model/tf.reshape/Reshape}}]] [Op:__inference_train_function_70500]
我就是这样建立模型的，老实说，我不知道这里到底出了什么问
浏览 34提问于2022-03-23得票数 1
回答已采纳
我正在尝试使用tensorflow集线器上提供的预训练BERT来实现一个学习排名模型。我使用的是ListNet损失函数的一个变体，它要求每个训练实例都是与查询相关的几个排序文档的列表。我需要模型能够接受形状(batch_size，list_size，sentence_length)中的数据，其中模型在每个训练实例的'list_size‘轴上循环，返回排名并将它们传递给损失函数。在一个只包含密集层的简单模型中，通过增加输入层的维度很容易做到这一点。例如：
from tensorflow.keras.layers import Dense, Input
from tensorflow.ke
浏览 31提问于2021-05-16得票数 1
这是TensorFlow的新手，但我遇到了这个占位符声明问题。将占位符x定义为：
x = tf.placeholder(tf.float32, [None, seq_size])
而不是这个？
x = tf.placeholder(tf.float32, [None, seq_size, 1])
我是从矩阵的角度思考的。所以，假设变量x有10个值，seq_size是3--第一个值是10x3，第二个值是10x3x1。为什么tensorflow会以不同的方式考虑它们呢？
浏览 8提问于2017-02-28得票数 1
回答已采纳
我在试着理解tensorflow的占位符。具体而言，在下面的示例中，shape=[None,是什么意思。
X = tf.placeholder(tf.float32, shape=[None, 128, 128, 3], name="X")
回答将其描述为：
您可以将TensorFlow中的占位符看作是一个操作，该操作指定将输入到graph.placeholder X中的形状和数据类型，定义float32类型的未指定数量的形状行(128、128、3)将被输入到图形中。占位符不保持状态，只定义要流到图形中的数据的类型和形状。
当它说“未指定的行数”时，是否真的指形状为12
浏览 0提问于2018-07-16得票数 16
1回答
无，-1和？当指定张量形状时？
、、、、
我经常看到使用符号"None“、"-1”和"“来让程序动态定义张量的维度(例如批处理大小)，似乎效果相同：
x = tf.placeholder(tf.float32, [None, 48, 48, 3], name='InputData')
input = tf.reshape(input, [-1, input_size])
foo("bar", shape=(?,48), dtype=float32)
使用这些符号中的任何一个是否有功能上的区别？
谢谢
浏览 1提问于2018-08-07得票数 6
回答已采纳
1回答
我是Keras和Tensorflow的新手，我正在尝试使用LSTM来训练我拥有的一些雷达脉冲数据集。在编译过程中，我已经让它工作了，但是当模型开始训练时，我无法让它工作。我不知道在哪里放置整形和使用的维度，因为错误给出的数字，我不知道他们从哪里来。
所以代码是：
x_train = load_data("D:\\Software_Herramienta\\Datasets\\sweep_switch_train.csv")
y_train = load_data("D:\\Software_Herramienta\\Datasets\\sweep_switch_labe
浏览 0提问于2018-06-13得票数 0
回答已采纳
我使用二进制交叉熵将电影评论分为正反两类。因此，当我试图用tensorflow估计器包装我的keras模型时，我得到了一个错误：
Tensorflow estimator ValueError: logits and labels must have the same shape ((?, 1) vs (?,))
我使用sigmoid激活作为我的最后一层，我想我在这里遗漏了一些琐碎的东西。有什么帮助吗？
from tensorflow import keras
import tensorflow as tf
print("Tensorflow {} loaded".format
浏览 0提问于2018-02-18得票数 45
回答已采纳
给定tensorflow中的计算图，在底层代码中查找错误(如果有的话)。
import tensorflow as tf
import numpy as np
input = tf.placeholder(shape=(1, 224, 224, 3), dtype=tf.float32)
output = input + 5
with tf.Session() as sess:
network_input = np.random.randint(5, size=(700, 350, 3))
out = sess.run(output, feed_dict = {input : net
浏览 0提问于2019-07-03得票数 0
回答已采纳
我正在尝试构建一个用于文本分类的lstm模型，但我收到一个错误。这是我尝试过的全部代码。
请让我知道错误背后的原因以及如何修复它。
input1.shape # text data integer coded
(37788, 130)
input2.shape # multiple category columns(one hot encoded) concatenated together
(37788, 104)
train_data = [input1, input2] # this is the train data.
i1 = Input(shape=(130,), name=&
浏览 0提问于2019-07-07得票数 9
回答已采纳
我正在尝试创建一个具有卷积层和密集层的Flappy，但是在"Train“步骤(函数fit())中，我得到了以下错误消息：
dqn.fit(env, nb_steps=500000, visualize=False, verbose=2)
Training for 500000 steps ...
---------------------------------------------------------------------------
ValueError Traceback (most recent call
浏览 4提问于2022-06-08得票数 0
设x是尺寸为(n, w, h, c)的滤波器的张量。
我想把tf.nn.softmax()函数应用到张量中的每个过滤器。我怎么能这么做？
我尝试了以下操作，但得到了一个错误：
import tensorflow as tf
import numpy as np
n, c = 2, 2
h, w = 2, 2
x = tf.ones([n, h, w, c])
y = tf.nn.softmax(x, axis=[1,2])
with tf.Session() as sess:
sess.run(tf.global_variables_initializer())
pri
浏览 0提问于2018-11-09得票数 0
回答已采纳
维度似乎是问题所在。输入应该在numpy数组中吗？
import tensorflow as tf
import numpy as np
X = np.array([-7.0, 3.0, 10.0, 20.0, 30.0])
y = np.array([3.0, 13.0, 23.0, 33.0, 43.0])
x_train = tf.constant(X)
y_train = tf.constant(y)
model = tf.keras.Sequential([
tf.keras.layers.Dense(100, ac
浏览 10提问于2022-05-03得票数 0
import tensorflow as tf
import numpy as np
import os
from PIL import Image
cur_dir = os.getcwd()
def modify_image(image):
#resized = tf.image.resize_images(image, 180, 180, 3)
image.set_shape([32,32,3])
flipped_images = tf.image.flip_up_down(image)
return flipped_images
def read_image(f
浏览 3提问于2016-02-28得票数 12
回答已采纳
我使用128 x 128 x 128 ndarray作为cnn的输入，使用：
# input arrays
x = tf.placeholder(tf.float32, [None, 128, 128, 128, 1])
每个ndarray都没有colur通道数据，所以我使用了：
data = np.reshape(data, (128, 128, 128, 1))
为了让它符合占位符的原意。但现在我发现了一个错误：
Traceback (most recent call last):
File "tfvgg.py", line 287, in <module
浏览 1提问于2017-04-06得票数 1
回答已采纳
我在MNIST (CNN)上建立了一个图像分类模型，该模型在测试集上工作得很好。然而，当我从google上传一张图片，调整它的大小，规格化它，并将其提供给我的模型时，我有一个尺寸错误。我的模型的输入张量形状是(None,28,28)，但是当我给模型一个28x28像素的图像时，它告诉我我的输入是(None,28)。我该如何解决这个问题？model_code.jpg 这是我得到的错误： WARNING:tensorflow:Model was constructed with shape (None, 28, 28) for input Tensor("flatten_input_2:0
浏览 88提问于2020-11-05得票数 1
1回答
在执行这段代码时，我遇到了以下问题:我尝试让这段代码正常工作： import pandas as pd
import numpy as np
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Dense, Dropout, Activation, Flatten
from tensorflow.keras.layers import Convolution2D, Conv2D, MaxPooling2D, GlobalAveragePooling2D
from tensorfl
浏览 10提问于2021-07-18得票数 0
回答已采纳
2回答
流动图像形状误差
、、、、
我已经训练了一个分类器，现在我想通过任何单一的图像。
我正在使用以Tensorflow为后端的keras库。
我犯了一个错误，我似乎无法通过
img_path = '/path/to/my/image.jpg'
import numpy as np
from keras.preprocessing import image
x = image.load_img(img_path, target_size=(250, 250))
x = image.img_to_array(x)
x = np.expand_dims(x, axis=0)
preds = model.pre
浏览 0提问于2016-12-16得票数 2
回答已采纳
1回答
我想用TensorFlow在一个具有28x28形状的图像的数据集上训练一个CNN模型，这些图像已经被展平为长度为784的向量。
我想在Tensorflow中使用Conv2D层，但由于我的输入已经扁平化，我不知道最好的方法是什么。
是否有一种层执行与扁平化相反的功能？我应该写一个带有子类化API和numpy重塑的自定义模型吗？或者，是否可以使用一维阵列执行2D卷积？
提前感谢您的帮助！
浏览 0提问于2020-06-13得票数 0
我训练过模型，我正在试着测试它。
import tensorflow as tf
import os
import cv2
import matplotlib.pyplot as plt
import numpy as np
# Some paths
paths = {
"cats": "data\\images\\cats",
"dogs": "data\\images\\dogs",
"img": "data\\images"
}
label_to_index =
浏览 5提问于2020-11-20得票数 0
回答已采纳
2回答
在TensorFlow中，我有一个形状为(?, 14, 14, 512)的张量，h。
我通过做tf.reshape(h, [-1, 196, 512])来重塑
这导致了形状为(?, 196, 512)的张量。太完美了。我需要对numpy数组执行相同的操作。
我在磁盘上保存了一个巨大的多维NumPy数组。它看起来是这样的：
features = numpy.ndarray([3000, 14, 14, 2048], dtype=np.float32)
并且需要它的形状：
[3000, 196, 2048]
我如何才能进行这种转换，从而不会丢失信息？
会是numpy.reshape(feature
浏览 1提问于2018-01-10得票数 0
1回答
我正在尝试使用加法和挤压/归一化将张量从30,50,32,64重塑为30,50,32,1。当我使用Tensorflow重塑时，我得到以下错误。 o = tf.reshape(o, shape=[30, 50, 32, 1]) ValueError:无法对具有3072000个元素的张量进行整形，以形成输入形状为30,50,32,64，4且输入张量计算为部分形状的‘30,50,32,1 /embedding/ reshape _4’(op：'Reshape')的形状: input1 = 30,50,32,1。 有没有人能建议一下绕过这个问题？
浏览 13提问于2021-04-19得票数 0
回答已采纳
1回答
我对Keras很陌生，我正试着测试一个我刚刚训练过的模型。
我正在使用Tensorflow后端和Python 3。
但是，输入的形状与Keras表示的错误形状完全不同。这是我的密码：
testnote = np.zeros((3,))
testnote[0] = 70
testnote[1] = 70
print(testnote.shape)
pred = model.predict(testnote)
print(pred)
我的一致输出是"(3，)“用于测试注释的形状，然后是对我的预测行的一个错误："ValueError:当检查输入时出错:预期的dense_1_input
浏览 0提问于2018-08-08得票数 3
回答已采纳
2回答
将三维阵列图像转换为二维阵列
、、、、
我试图通过from tensorflow.keras.preprocessing import image导入一个图像，.My图像是手写的数字，我写在一张纸上，然后我用手机拍了一张照片，然后把它的大小更改为28*28：
我使用了以下代码：
img_width, img_height = 28, 28
img = image.load_img('rgb_seven.jpeg', target_size=(img_width, img_height))
img_tensor = image.img_to_array(img)
img_tensor.shape
形状的结果是
浏览 5提问于2021-01-18得票数 0
回答已采纳
我一直收到这个错误，但我找不出原因。如果有人能帮上忙那就太好了。这是我的代码：
import numpy as np
import pickle
import os
import download
#from dataset import one_hot_encoded
#from sklearn.preprocessing import OneHotEncoder
import tensorflow as tf
from random import shuffle
data_path = "D:/Personal details/Internship/"
# Width
浏览 0提问于2018-05-03得票数 4
1回答
在此实现()的基础上，我尝试用LSTM +混合密度网络(LSTM+ Mixture )建立下一个词预测模型。
输入:300维字向量*窗口大小(5)和表示文档主题分布的21维数组(C)，用于训练隐藏的初始状态。
输出:混合coefficient*num_gaussians，variance*num_gaussians，mean*num_gaussians*300(矢量大小)
x.shape，y.shape，c.shape进行了161个实验，给了我这样的印象：
(TensorShape(161，5,300)，TensorShape(161,300)，TensorShape(161，21))
fro
浏览 3提问于2021-06-14得票数 0
回答已采纳
1回答
我正在尝试tensorflow概率。我在R中有一个简单的分位数回归。我希望从tensorflow概率中获得相同的结果。
R分位数回归
<code>A0</code>
上面的输出是每个值的9个分位数预测
<code>A1</code>
Tensorflow概率尝试
<code>A2</code>
这里的输出是：
<code>A3</code>
我仍然在学习TFP，所以我确信我在模型规范中犯了一些简单的错误，但目前我还不清楚是什么错误。
浏览 24提问于2020-11-17得票数 2
回答已采纳
1回答
了解keras层中的形状
、、、、
我正在学习Tensorflow和Keras来实现LSTM many-to-many模型，其中输入序列的长度等于输出序列的长度。
示例代码：
输入：
voc_size = 10000
embed_dim = 64
lstm_units = 75
size_batch = 30
count_classes = 5
型号：
from tensorflow.keras.layers import ( Bidirectional, LSTM,
Dense, Embedding, TimeDistributed )
from tensorf
浏览 1提问于2021-03-29得票数 1
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
对象存储
实时音视频
即时通信 IM活动推荐
腾讯云开发者
