关于Numpy张量切片的简单问题
Numpy是Python中用于科学计算的一个重要库，它提供了高效的多维数组对象和广播功能。下面是关于Numpy张量切片的简单问题的解答：
- 什么是Numpy张量切片？ Numpy张量切片是指通过指定索引范围来选择Numpy数组中的子集。它可以用于获取数组中的特定元素、行、列或更高维度的切片。
- Numpy张量切片有哪些基本操作？ Numpy张量切片的基本操作包括使用单个整数获取特定位置的元素、使用范围获取连续的元素子集、使用多个整数或布尔数组获取多个非连续的元素子集等。
- Numpy张量切片有什么优势？ Numpy张量切片的优势在于它可以高效地操作多维数组，提供了简洁灵活的语法来选择和操作数组的子集，同时具有很高的性能。
- Numpy张量切片有哪些应用场景？ Numpy张量切片在科学计算、数据处理、机器学习和深度学习等领域有广泛的应用。它可以用于数据筛选、提取感兴趣的部分、数据变形和转置、数据分析和可视化等任务。
- 推荐的腾讯云相关产品和产品介绍链接地址 腾讯云提供了一系列与云计算相关的产品，包括云服务器、云数据库、云存储等。对于Numpy张量切片这样的科学计算任务，推荐使用腾讯云的弹性计算服务（Elastic Compute Service，ECS）和云原生数据库TDSQL。这些产品提供了稳定可靠的基础设施和高性能的数据库服务，能够满足科学计算和数据处理的需求。
腾讯云产品介绍链接：
相关·内容
我正在训练CNN生成图像。所有图像的类型都是张量。我想把它们转换成numpy数组，然后我就可以用opencv处理它们了。 我知道.numpy()方法，它将我的张量转换成numpy数组，但形状仍然是张量。我不能让它在cv2中工作。 下面是我的代码： p=model_(x)
s=p.numpy()
print(s.shape)
cv2.imwrite("hello.jpg",s) (1,183,275，3)，这是使用.numpy()生成的数组的形状，如何更改其形状以保留输出图像？
浏览 14提问于2020-09-02得票数 0
给定numpy (或Py手电筒)中的二维张量，我可以一次将所有维度分割成以下部分：
>>> import numpy as np
>>> a = np.arange(2*3).reshape(2,3)
array([[ 0, 1, 2, 3],
[ 4, 5, 6, 7],
[ 8, 9, 10, 11]])
>>> a[1:,1:]
array([[ 5, 6, 7],
[ 9, 10, 11]])
如果我不知道实现时的维数，那么无论张量中的维数如何，如何实现相同的切片模式？(我
浏览 0提问于2019-06-10得票数 3
回答已采纳
1回答
我想通过将index应用于输入张量的次张量来得到输出张量。
例如在NumPy中，
import numpy as np
input = np.random.random((100,5)) # matrix
index = np.randint(5, size=(100,)) # vector
output = data[np.arange(index.shape[0]), index] # vector
给我想要的输出(我想要这个的符号版本)。
就像在西亚诺，
import theano.tensor as T
import theano
input = T.matrix() # symb
浏览 2提问于2017-01-27得票数 1
回答已采纳
我遵循，但有一个关于将numpy数组转换为张量的问题。教程示例。
这段代码：
import numpy as np
a = np.ones(5)
b = torch.from_numpy(a)
np.add(a, 1, out=a)
print(a)
print(b)
收益率
2.2.2.2。
张量(2，2，2，2，2，dtype=torch.float64)
然而，
import numpy as np
a = np.ones(5)
b = torch.from_numpy(a)
a = a + 1 #the diff is here
print(a)
print(b)
收益率
浏览 1提问于2019-03-07得票数 4
回答已采纳
假设我在tensorflow图中有一个形状为1,32,16,1的张量t1和另一个形状为1,10,12,1的张量t2。
如何将t2分配到t1中的本地块(t11，11:20，4:15，1=t2，numpy )
或者添加(t11，11:20，4:15，1+t2 in numpy )？
浏览 4提问于2017-11-25得票数 0
1回答
将h5py文件读入张量
、、、、
所以我有一个训练集和一个测试集，两者都是h5py格式的。我还有一个data_load函数，它加载文件并返回NumPy数组。主要的问题是我不需要NumPy，因为我使用的是张量。我期望有一个x&y张量的大小N(批大小)和D_in(每个图像的输入大小)和D_out(每个张量的输出大小)。
问题是：
x&y不被转换成below.If提到的维度的张量，它们的类型仍然是numpy.ndarray。任何帮助都是非常感谢的。
def load_data(train_file, test_file):
# Load the training data
train_dataset =h5py.F
浏览 7提问于2020-04-02得票数 0
我有一个大小为None的张量T，我想沿着第二维对它进行切片，得到一个大小为None的张量。在numpy中，这应该是T:，DIMENSION，有没有使用tensorflow命令的快速方法？
浏览 10提问于2019-03-15得票数 0
2回答
我有个Numpy张量器 X = np.arange(64).reshape((4,4,4)) 我想要获取这个张量的第一维的2,3,4项，你可以这样做， Y = X[[1,2,3],:,:] 这是不是比显式地写出索引1,2,3更简单的方式呢？我尝试了像1，：这样的东西，它给我一个错误。 上下文:对于我的实际应用程序，张量的形状类似于(30000,100,100)。我想抓住这个张量的最后一个(10000,100,100)到(30000,100,100)。
浏览 14提问于2020-10-02得票数 0
回答已采纳
这段代码最初是用numpy编写的，我试图通过用py手电筒重写GPU计算来使用GPU计算，但是由于我刚开始使用numpy，所以我遇到了很多问题。首先，我对张量的维数感到困惑。有时候，在对张量进行操作之后，只有转换张量才能解决这个问题，我是否可以停止执行.t()？这里的主要问题是，在ar = torch.stack .一行中，出现了错误"TypeError：‘张量’对象不可调用“。如有任何建议/更正，将不胜感激。Thxxx
def vec_datastr(vector):
vector = vector.float()
# Find the indices corresp
浏览 6提问于2020-10-26得票数 0
1回答
我有一个标量的NxTxW张量；我正在尝试找出如何使用numpy将其转换为one-hot编码。有什么建议吗？
浏览 8提问于2018-09-08得票数 0
回答已采纳
这个问题是关于访问张量中的单个元素，比如[1,2,3]。我需要访问内部元素，但当张量的大小很大时，需要更长的时间)
有没有什么方法可以更快地做同样的事情？
提前谢谢。
浏览 1提问于2016-02-02得票数 50
特别是当索引n>3维数组/向量时，为什么更多的语言不采用以下方法：
arr = np.zeros((3, 10, 5, 100))
arrSlice = arr[:, 0:5, :, :99]
> arrSlice.shape
> (3, 5, 5, 99)
切片数组的样式表示法(如果我没有遗漏什么).？
有没有其他语言具有与Numpy等价的表示法，无论是在语法上还是在功能上？
在这种情况下，Numpy上的语法糖在C中执行更线性的循环，从而在python /C/ cupy之间产生了一种在其他语言中不可用或不合理的二分法吗？(例如，我假设numpy的批处理操作表示法
浏览 1提问于2020-03-02得票数 5
1回答
我试图索引到张量中，从一维张量中得到一个切片或单个元素。我发现，当使用numpy方法索引[:]和slice vs tf.gather时，性能差异很大(几乎30%-40% )。
此外，我还观察到，tf.gather在标量(在未堆叠的张量上循环)上使用的开销很大，而不是张量。这是众所周知的问题吗？
示例代码(效率低下)：
for node_idxs in graph.nodes():
node_indice_list = tf.unstack(node_idxs)
result = []
for nodeid in node_indices_list:
x
浏览 3提问于2017-09-05得票数 4
1回答
我正在寻找一种使用torch函数选择PyTorch张量区域的方法(不使用numpy)。你对如何进行有建议吗？
换句话说，我在寻找一种裁剪矩阵区域的方法。使用numpy，就像
import numpy as np
A = np.random.rand(16,16)
B = A[0:8, 0:8]
我尝试的方法如下：
from torchvision import transforms
A = torch.randn([1,3,64,64])
B = torch.split(A, [16,32,16], dim =2)
C = torch.split(B, [16,32,16], dim =3)
浏览 2提问于2020-03-04得票数 0
1回答
选择NIfTi而不是DICOM有什么主要好处吗？作为数据格式的选择？我正在研究3D体积语义分割。在提供给网络之前，我必须将格式转换为numpy数组或张量，但对选择的性能优势感到好奇。
浏览 76提问于2020-01-21得票数 0
回答已采纳
我是TensorFlow (版本1.2)的新手，但不是Python或Numpy的新手。我正在建立一个模型来预测蛋白质分子的形状。我需要用一些额外的代码包装TensorFlow的标准tf.losses.cosine_distance函数，因为我需要停止将一些NaN值传播到损失计算中。
我确切地知道哪些细胞是NaN。不管我的机器学习系统为这些细胞预测了什么都不算。在总结损失函数之前，我计划将NaN部分的tf.losses.cosine_distance输出转换为零。
下面是使用tf.scatter_nd_update进行元素分配的工作代码片段：
def custom_distance(predic
浏览 4提问于2017-08-01得票数 3
回答已采纳
因此，假设我有一个k-dim张量和一个1-dim掩码，它在pytorch中用于可变长度序列，并且我想返回一个张量，它表示掩码中直到第一个false值的元素。下面是一个示例： import torch
a = torch.tensor([[1,2],[3,4],[5,6],[0,0],[0,0],[0,0]])
b = torch.tensor([True,True,True,False,False,False])
# magic goes here, result of c should be:
print(c)
>>> [[1,2],[3,4],[5,6]] 在本例
浏览 18提问于2021-03-23得票数 1
回答已采纳
我已经学会了如何在一维上分割张量。
我已经学习了如何切片一个2D张量，给出一个特定值的一维张量。
两者都使用tf.gather()，但我很确定我需要tf.gather_nd()，尽管我使用它显然是错误的。
在numpy中，我有一个5x52D数组，我可以使用带有行和列索引的np.ix_()对2x2数组进行切片(对于行和列，我总是需要相同的索引，从而得到一个平方矩阵)：
import numpy as np
a = np.array([[1,2,3,4,5],[2,1,6,7,8],[3,6,1,9,10],[4,7,9,1,11],[5,8,10,11,1]])
a
阵列([ 1，2，3，4
浏览 2提问于2021-07-27得票数 1
回答已采纳
我有一个形状为torch.Size([4, 161, 325])的张量。如何删除dim=2上的第一个元素，使得到的张量具有torch.Size([4, 161, 324])的形状
浏览 69提问于2020-04-09得票数 1
回答已采纳
1回答
所以我有一个定制层，它没有任何权重。在第一步中，我尝试实现在Kers中操作输入张量的函数。但由于许多原因，我没有成功。我的第二种方法是用numpy操作实现函数，因为我正在实现的自定义层没有任何权重，据我的理解，我可以使用numpy操作，因为我不需要反向传播，因为没有权值，对吗？然后，我将图层的输出转换为张量，其中：
Keras.backend.variable(value = output)
因此，主要思想是实现一个自定义层，该层接受张量，将它们转换为numpy数组，使用numpy操作对它们进行操作，然后将输出转换为张量。问题是，我似乎无法使用.eval()来将层的输入张量转换为numpy
浏览 4提问于2017-11-30得票数 1
回答已采纳
我有一个维度为(a，b)的2-D张量X，我需要从它得到一个1-D切片，是否可以在TF中进行类似于numpy的操作，例如： slice = X[t,:]
浏览 15提问于2020-07-05得票数 0
回答已采纳
我正在处理来自的MNIST数据集，并在数据预处理方面遇到困难。此外，我不知道什么是最佳实践，我想知道您是否可以在这方面给我提供建议。
免责声明:我不能仅仅使用torchvision.datasets.mnist，因为我需要使用Kaggle的数据进行培训和提交。
在教程中，建议创建一个Dataset对象，从文件中加载.pt张量，以充分利用GPU。为此，我需要加载Kaggle提供的csv数据，并将其保存为.pt文件：
import pandas as pd
import torch
import numpy as np
# import data
digits_train = pd.read_c
浏览 4提问于2020-02-26得票数 8
回答已采纳
1回答
我正在寻找替代下面的numpy代码的keras
ratio[0][0,0,:] = ratio[0][0,0,:] - 5
这里的比率是角张量。
浏览 6提问于2022-07-04得票数 0
1回答
我有一个巨大的numpy 3D张量，它存储在磁盘上的一个文件中(我通常使用np.load读取该文件)。这是一个二进制.npy文件。在使用np.load时，我很快就使用了大部分内存。
幸运的是，在程序的每一次运行中，我只需要一小部分巨大的张量。该切片具有固定的尺寸，其尺寸由外部模块提供。
做这件事最好的方法是什么？我唯一能找到的方法就是将这个numpy矩阵存储到MySQL数据库中。但我确信有很多更好/更简单的方法。如果有帮助的话，我也很乐意以不同的方式构建我的3D张量文件。
如果我的张量在本质上是稀疏的，答案会改变吗？
浏览 4提问于2017-03-10得票数 28
回答已采纳
1回答
我在张量流中有一个张量，它的大小是(2,16384，11)。我试图使用tf.slice函数从数组中提取一维张量。我可以将数组中的两个点命名为开始和停止。
第一列为0，0，1-> 0,16383，1.，第二列为1，0，1-> 1,16383，1.
但问题是，这返回一个维度为(0,16383)和(1,16383)的张量。访问长度为0的数组是一个问题；我知道您只能使用访问器而不是访问器，否则就会出现错误。
'0对于长度为0‘的轴来说超出了界限。
否则我怎么能让TF输出一列数字呢？这是密码。
Xdata = tf.slice(x, [0,0,1], [0,16383,1])
Y
浏览 0提问于2021-07-03得票数 0
4回答
对特定维度进行显式切片
、、、
我有一个3D张量x (例如4x4x100)。我想通过显式地选择最后一个维度上的元素来获得它的子集。如果我在最后一个维度上选择相同的元素(例如x[:,:,30:50]，但我想使用2D张量indices指定第三个维度上的idx )，这将很容易。在numpy中有什么简单的方法可以做到这一点吗？
一个更简单的2D示例：
x = [[1,2,3,4,5,6],[10,20,30,40,50,60]]
indices = [1,3]
假设我想从indices指定的点开始，在x的第三个维度上获取两个元素。所以我想要的输出是：
[[2,3],[40,50]]
更新:我认为我可以使用take()和ravel_m
浏览 0提问于2019-04-08得票数 1
1回答
我在TF和PyTorch中测试这个简单的切片操作，这两个操作都应该匹配。
import tensorflow as tf
import numpy as np
import torch
tf_x = tf.random.uniform((4, 64, 64, 3))
pt_x = torch.Tensor(tf_x.numpy())
pt_x = pt_x.permute(0, 3, 1, 2)
# slicing operation
print(np.any(pt_x[:, :, 1:].permute(0, 2, 3, 1).numpy() - tf_x[:, 1:].numpy()))
浏览 1提问于2022-10-20得票数 0
回答已采纳
你能直观地解释或者给出更多关于tf.gather_nd的例子，以便在Tensorflow中索引和切片到高维张量吗？
我阅读了，但它非常简洁，我发现自己很难理解函数的概念。
浏览 2提问于2017-03-05得票数 35
1回答
遍历Theano张量切片
、、、、
我有两个二维Theano张量，它们叫做x_1和x_2，并且假设为了举例，x_1和x_2都有形状(1，50)。现在，为了计算它们的均方误差，我只需运行：
T.sqr(x_1 - x_2).mean(axis = -1).
然而，我想要做的是构造一个新的张量，它由10块的均方误差组成。换句话说，由于我更熟悉NumPy，所以我的想法是在Theano中创建以下张量M：
M = [theano.tensor.sqr(x_1[:, i:i+10] - x_2[:, i:i+10]).mean(axis = -1) for i in xrange(0, 50, 10)]
现在，由于Thean
浏览 2提问于2015-08-21得票数 2
回答已采纳
我正在尝试将张量对象中的一个矩阵切片为numpy矩阵，并将其用于部分计算。但是从张量对象到numpy数组的赋值不会像下面这样工作。
import tensorflow as tf
import numpy as np
def assignC():
C_copy = np.zeros((2,2))
C = tf.matmul(tf.transpose(x), x)
C_copy[0,0] = C[0,0]
#C_copy[0,0] = C[0,0].eval() # error saying "You must feed a value for pla
浏览 2提问于2016-06-21得票数 0
我正在优化反向传播算法的实现，以训练一个神经网络。我正在研究的一个方面是，将数据点集(输入/输出向量)上的矩阵操作作为由numpy库优化的批处理过程来执行，而不是遍历每个数据池。
在我最初的算法中，我做了以下工作：
for datapoint in datapoints:
A = ... (created out of datapoint info)
B = ... (created out of datapoint info)
C = np.dot(A,B.transpose())
____________________
A: (7,1) numpy array
B: (6
浏览 4提问于2020-06-12得票数 1
回答已采纳
我想取一个张量的轴的平均值，由张量定义，包含几个切片。
因此，这将是我的样本张量，我想得到切片的平均值，沿着第一个维度。
import torch
sample = torch.arange(0,40).reshape(10,-1)
sample
tensor([[ 0, 1, 2, 3],
[ 4, 5, 6, 7],
[ 8, 9, 10, 11],
[12, 13, 14, 15],
[16, 17, 18, 19],
[20, 21, 22, 23],
[24, 25, 26
浏览 14提问于2022-03-05得票数 1
回答已采纳
我希望下面的块返回形状为(128,64)或(1,128,64)的张量，因为我告诉它从第一个轴和我收集值。
tf.gather(h_states # shape: (3,128,64)
,indices # shape: (128), values are integers between 0 and 2
,axis = 0
,batch_dims=0)
相反，它是返回一个(128,128,64)张量。我做错了什么？我怎么能让它从第一个轴上选择次张量呢？
谢谢
浏览 1提问于2021-06-02得票数 0
回答已采纳
我正在尝试用Tensorflow重写下面的Python代码。但是，我在使用tf.map_fn迭代张量时遇到了问题。
这里depth是形状[batch_size,256,256]的张量，normal是形状[batch_size,256,256,3]的张量，scale是形状[batch_size,256,256]的张量。
for b in range(0,batch_size):
depth[b,:,:] = [scale[b,0,0] + (scale[b,0,1] - scale[b,0,0])* x for x in depth[b,:,:]]
normal[b,:,:,:]
浏览 0提问于2019-08-13得票数 0
回答已采纳
我有一个关于tf.py_func函数的简单问题。
我有一个形状为(1,224,224,3)的图像张量my_img。为了测试py_func，我将张量提供给python函数return_tf，该函数应该返回相同的张量(根据文档转换为numpy数组后)。
代码如下：
def return_tf(x):
return np.array(x)
test = tf.py_func(return_tf,[my_img],[tf.float32])
但当我检查名为test的返回张量的形状时，我得到：
tf.Tensor 'PyFunc:0' shape=unknown dtype=fl
浏览 1提问于2016-08-17得票数 8
我希望在恒定的访问时间内通过索引访问稀疏张量的值。例如，如果我有如下表示的稀疏张量：
sparse = tf.SparseTensor(indices=[[0, 0], [1, 2]], values=[1, 3], dense_shape=[3, 4])
我想要一个类似这样的操作：
assert sparse[0,0] == 1
assert sparse[1,2] == 3
有什么简单的方法可以做到这一点吗？我见过类似的例子，其中结合使用了tf.where和tf.gather。然而，这似乎是一种非常低效的访问这些值的方式，因为我现在(在最坏的情况下)必须搜索整个索引张量，以便找到匹配(随着
浏览 13提问于2018-02-23得票数 1
假设我有一个张量(None, 2, 56, 56, 256)。现在我想通过去掉最后一列和最后一行来获得形状为(None, 2, 55, 55, 256)的张量。我如何使用Keras/Tensorflow来实现这一点？
浏览 164提问于2019-06-09得票数 1
回答已采纳
2回答
用数组索引火炬张量
、、、、
我有以下火炬张量：
tensor([[-0.2, 0.3],
[-0.5, 0.1],
[-0.4, 0.2]])
和下面的numpy数组：(如果有必要，我可以将它转换为其他的东西)
[1 0 1]
我想得到以下张量：
tensor([0.3, -0.5, 0.2])
也就是说，我希望numpy数组对张量的每个子元素进行索引。最好不用循环。
提前感谢
浏览 7提问于2020-04-19得票数 4
回答已采纳
我有形状BxNxD的张量X，形状BxNxD的张量Y。 我想要计算批次中每个元素的成对距离，即i一个BxMxN张量。 我该怎么做呢？ 这里有一些关于这个主题的讨论：https://github.com/pytorch/pytorch/issues/9406，但我不理解它，因为有很多实现细节，而没有强调实际的解决方案。 一种天真的方法是使用此处讨论的非批处理成对距离的答案：https://discuss.pytorch.org/t/efficient-distance-matrix-computation/9065，即 import torch
import numpy as np
B = 3
浏览 63提问于2019-03-13得票数 8
1回答
我在"sims“变量中有一个相似的分数，我想在一个矩阵中绘制相似的分数，最好是在配色方案中。有关"sims“变量的更多信息如下：
import tensorflow.compat.v2 as tf
print(sims) #Tensor("ExpandDims:0", shape=(1, 64, 64, 1), dtype=float32)
print(sims[0]) #Tensor("strided_slice_6:0", shape=(64, 64, 1), dtype=float32)
tf.print(sims[0][
浏览 2提问于2020-12-18得票数 0
1回答
我有表格的资料：
A B C D E F G
1 0 0 1 0 0 1
1 0 0 1 0 0 1
1 0 0 1 0 1 0
1 0 1 0 1 0 0
...
1 0 1 0 1 0 0
0 1 1 0 0 0 1
0 1 1 0 0 0 1
0 1 0 1 1 0 0
0 1 0 1 1 0 0
A,B,C,D是我的输入
浏览 1提问于2017-05-16得票数 1
回答已采纳
我一直在尝试转换一个类型的张量：
tensorflow.python.framework.ops.Tensor
给一个贪婪的人：
<class 'tensorflow.python.framework.ops.EagerTensor'>
我一直在寻找解决办法，但却找不到。任何帮助都将不胜感激。
上下文：
本文利用Keras序列模型的特征提取方法得到了张量。输出是第一种类型的张量。但是，当我试图使用.numpy()将其转换为numpy时，它没有处理以下错误：
'Tensor' object has no attribute 'numpy'
浏览 4提问于2020-10-17得票数 3
回答已采纳
1回答
更改张量的某一列的值
、、、
我想用二维张量(批大小、序列长度、类数)覆盖三维张量(批大小、序列长度、类数)的某一列的值。在调试过程中，我尝试过在numpy上进行以下值赋值，并且工作非常好，但不确定如何在张量上做同样的工作。
Numpy Solution:
Tensor A shape [50,4,4]
Tensor B shape [50,4]
* A[:,:,0]=b[:,:]
Tensor A shape is [50,4,4]
Example:
A[1]:
[[0.2,0.6,0.1,0.02],
[0.3,0.4,0.5,0.12],
浏览 1提问于2018-11-26得票数 1
回答已采纳
使用以下表示图像的三维张量
img.shape=[H,W,F]
和一个表示img指数的张量。
indices.shape=[N,2]
例如，如果
indices = [[0,1],[5,3],...]] i想创建一个新的形状new.shape=[N,F]张量，其中
目前为了解决这个问题，我把两个张量都压平了：
idx_flattened = idx_flattened [:,0] * (idx_flattened [:,1].max()+1) + idx_flattened[:,1]
img = img .reshape(-1,F)
new = img[idx_flat
浏览 2提问于2020-08-22得票数 2
回答已采纳
我试图计算我的模型的损失相对于它的输入的梯度，以便创建一个对抗性的例子。由于模型的输入是不可训练的，所以我需要计算关于张量的梯度，而不是变量。但是，如果张量不是可训练变量，则TensorFlow的GradientTape返回None梯度：
import numpy as np
import tensorflow as tf
tf.enable_eager_execution()
a = tf.convert_to_tensor(np.array([1., 2., 3.]), dtype=tf.float32)
b = tf.constant([1., 2., 3.])
c = tf.Var
浏览 1提问于2018-11-19得票数 0
回答已采纳
比如说，我有一个张量，它可能包含正负值：
[ 1, -1, 2, -2 ]
现在，我想对正值应用log(x)，对负值应用常量-10：
[ log(1), -10, log(2), -10 ]
换句话说，我想要一个像numpy.vectorize这样的函数。这在坦索弗洛有可能吗？
一种可能的方法是使用不可学习的变量，但我不知道它是否能正确地进行反向传播。
浏览 0提问于2017-12-04得票数 1
回答已采纳
1回答
如何添加数组(张量)列表
、、、
我定义了一个简单的conv2d函数来计算输入和内核(都是2D张量)之间的相互关系，如下所示：
import torch
def conv2D(X, K):
h = K.shape[0]
w = K.shape[1]
ĥ = X.shape[0] - h + 1
ŵ = X.shape[1] - w + 1
Y = torch.zeros((ĥ, ŵ))
for i in range (ĥ):
for j in range (ŵ):
Y[i, j] = (X[i: i+h, j: j+w]*K).sum
浏览 1提问于2019-10-29得票数 2
回答已采纳
1回答
我似乎想不出如何在Keras中正确地“切片”数组/张量。我正在写我自己的损失函数，我想加入一个季节性的影响。这里的简单想法是将值与一段时间前的值进行比较。在numpy中，我会写这样的东西(每天一段时间)：
np.mean(np.abs(y_true[24:] - y_true[-24:]))
但是，如果我想在Keras环境中这样做的话：
K.mean(K.abs(y_true[24:] - y_true[-24:]), axis=-1)
我总是得到一个形状错配
InvalidArgumentError:不兼容形状
我现在的问题是：
在y_true和y_pred不再是np.arrays，
浏览 0提问于2019-07-22得票数 1
我想使用Rust的库对张量(多维数组)进行切片，但问题是张量是动态形成的，切片存储在用户提供的变量中。
如果我预先知道维度，我希望我可以简单地执行以下操作，其中idx是用户提供的索引，x是4维张量：
// should give a 1D tensor as a view on the last axis at index `idx`
x.slice(s![idx[0], idx[1], idx[2], ..])
但是因为我不知道前面的维数，所以我不能用这种方式手动解压idx并将其提供给切片宏s!。
在python中，我可能会使用，其中idx是用户提供的元组：
# if `len(idx)
浏览 1提问于2020-12-19得票数 2
如果输入数据是numpy数组格式，那么我们可以在图中声明一个占位符，并将numpy数组数据提供给占位符。但是，如果输入数据已经是张量格式(这是我们使用tf.image.decode_jpeg加载jpg文件时的情况)，那么我们不能将张量提供给占位符。在这种情况下，我们是否应该使用不可训练的TF变量作为占位符，并通过tf.assign将张量提供给这些变量？
浏览 0提问于2017-11-19得票数 0
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
对象存储
即时通信 IM活动推荐
腾讯云开发者
