我有一个形状为[batch_size, D]的2D张量A,以及一个形状为[batch_size]的1D张量B。B的每个元素都是A的一个列索引,对于A的每一行,例如。B[i] in [0,D)。 在tensorflow中获取值A[B]的最佳方法是什么 例如: A = tf.constant([[0,1,2],
[3,4,5]])
B = tf.constant([2,1]) 使用所需的输出: some_slice_func(A, B) -> [2,4] 还有另一个限制。实际上,batch_size实际上就是None。 提前感谢!
对于在python中使用tensorflow的softmax回归程序,我想将我的1000 jpeg图像文件作为2D张量x:图像索引,像素索引。"image index“是图像,像素索引是该图像的特定图像像素。模型方程是:
y = tf.nn.softmax(tf.matmul(x, W) + b)
where:
x = tf.placeholder(tf.float32, [None, image_size])
W = tf.Variable(tf.zeros([image_size, classes]))
b = tf.Variable(tf.zeros([classes]))
图像
稀疏张量与自身或稠密张量的乘法在TensorFlow中似乎不起作用。下面的示例
from __future__ import print_function
import tensorflow as tf
x = tf.constant([[1.0,2.0],
[3.0,4.0]])
y = tf.SparseTensor(indices=[[0,0],[1,1]], values=[1.0,1.0], shape=[2,2])
z = tf.matmul(x,y)
sess = tf.Session()
sess.run(tf.initialize_all
我想把两个不同等级的张量相乘,例如:
tensor A -> (i x j x k x l)
tensor B -> (l x m)
来得到另一个具有这个维度的张量。
tensor C -> (i x j x k x m) = (i x j x k x l)*(l x m)
在tensorflow中,我必须一直进行整形,以获得如下输出
(A.reshape(-1,l)*B).reshape(i,j,k,m)
还有没有其他直接做这个的操作?
假设张量T的形状为[B, N, N, 6],我想为每个b in range(B)逐个元素地将矩阵[b, N, N, 0:3]乘以[b, N, N, 5]。请注意,不应更改[N, N, 4]。使用tensorflow完成此操作的最佳方式是什么?
我的尝试:
result = tf.empty([B, N, N, 5]) for b in range(B): for i in range(4) result[b, :, :, i] = tf.mul(T[b, :, :, i], T[b, :, :, 5]) result[b, :, :, 4] = T[b, :, :, 4]
我正在和tensorflow一起研究一个算法。以下是想要的代码的NumPy版本: x = [1,2,3,4,5,6,7,8,9,10]
sets = {1,5,7}
y = [0,0,0,0,0,0,0,0,0,0]
for i in range(10):
if i in sets:
y[i] = x[i] 它会得到结果: y = [0,2,0,0,0,6,0,8,0,0] 如何在tensorflow中实现此功能?有没有办法使用相同的逻辑在tensorflow中实现这一点,而不是在计算后将NumPy数组转换为张量,而是使用张量执行所有操作(例如,使用张量来索引张量,
我正在阅读,并试图很好地理解正在发生的事情。
第一组带有附加注释的步骤如下所示:
from tensorflow.examples.tutorials.mnist import input_data
import tensorflow as tf
# Download the data set.
# Comprises thousands of images, each with a label.
# Our images are 28x28, so we have 784 pixels in total.
# one_hot means our labels are treated as
我的OC是苹果M1的大sur,所以我的tensorflow版本是2.4,这是从官方的苹果github ()安装的。当我使用下面的代码时,我得到张量(<tf.Tensor 'StatefulPartitionedCall:0‘shape=(1,2880,4320,3) dtype=float32>)
import tensorflow as tf
import tensorflow_hub as hub
from PIL import Image
import numpy as np
from tensorflow.python.compiler.mlcompute imp
为了说明这一问题,请考虑以下(完全是人为的)模型示例:
import numpy as np
from tensorflow.keras.utils import Sequence
from tensorflow.keras.callbacks import Callback
from tensorflow.keras import backend as K
from tensorflow.keras.layers import Input, Dense
from tensorflow.keras.models import Model
class RandomSeq(Sequence):