如何从张量中随机抽样的k个条目中获得输出
从张量中随机抽样的k个条目可以通过以下步骤获得输出：
- 张量是一个多维数组，可以是一维、二维或更高维度的数据结构。首先，确定你要从哪个张量中进行抽样。
- 使用合适的编程语言和库，如Python中的NumPy或TensorFlow，来实现随机抽样。这些库提供了丰富的函数和方法来处理张量数据。
- 使用随机数生成函数，如rand()或randn()，生成一个长度为k的随机索引数组。这些函数可以根据指定的分布生成随机数，如均匀分布或正态分布。
- 将生成的随机索引数组应用于原始张量，以获取对应的随机抽样结果。根据张量的维度，可以使用不同的索引方式来实现抽样，如一维数组的索引、二维数组的行列索引等。
- 输出随机抽样的k个条目，可以作为一个新的张量或作为一个列表、数组等数据结构进行进一步处理和使用。
随机抽样在许多领域都有广泛的应用，例如数据分析、机器学习、模拟实验等。在云计算领域中，随机抽样可以用于处理大规模数据集，进行数据预处理、特征选择、模型评估等任务。
腾讯云提供了多个与云计算相关的产品，如云服务器、云数据库、云存储等。这些产品可以帮助用户在云环境中进行计算、存储和处理数据的任务。具体推荐的产品和产品介绍链接地址可以根据实际需求和使用场景进行选择。
相关·内容
在方阵(n，n)的后张量中，一个建议是使用函数tf.diag_part( )。但是如果张量是维数(k，n，n)呢？有没有办法做到这一点？必要的输出是张量的k个方阵(n，n)的k个对角线，也就是说，我需要一个(k，n)维的输出。有什么建议吗？
浏览 0提问于2018-04-14得票数 1
1回答
变长序列上窗口的平均池
、、、
我有一个形状的张量in (batch_size，功能，步骤)，并希望通过时间维度(steps)上的平均池( steps)获得相同形状的输出张量out，窗口大小为2k+1，即：
out[b,f,t] = 1/(2k+1) sum_{t'=t-k,...,t+k} in[b,f,t']
对于没有k之前和后续时间步骤的时间步骤，我只想计算现有时间步骤的平均值。
然而，张量中的序列具有可变的长度，并相应地填充了零，因此，我将序列长度存储在另一个张量中(例如，可以用它们创建一个掩码)。
我知道我可以使用来执行我所描述的池操作，但是它不明白我的序列是用零填充的，也不允许我传递具有序列长
浏览 8提问于2020-03-23得票数 0
回答已采纳
这个的答案解释了如何从BigQuery表中随机抽样。是否有一种有效的方法来替代
例如，假设我有一个有1M行的表，并且希望选择100 K独立随机抽样行。
浏览 5提问于2020-02-26得票数 2
1回答
索引Keras张量
、、、
my函数模型的输出层是维数x的张量(None, 1344, 2)。我希望从n < 1344的二维范围内提取x条目，并创建一个尺寸为(None, n, 2)的新张量y。
简单地访问n似乎可以直接提取n连续条目，但如果n索引是非连续的，则(似乎)很困难。在Keras中是否有一条干净的道路可以做到这一点？
到目前为止，我的方法如下。
实验1 (切片张量，连续指数，工作)：
print('My tensor shape is', K.int_shape(x)) #my tensor
(None, 1344, 2) # as printed in my code
print(&#
浏览 0提问于2018-06-02得票数 3
回答已采纳
1回答
上下文：
我试图复制Hinton的“带有EM路由的矩阵胶囊”()。
在某个时刻，执行的是卷积运算(即输出张量连接到输入张量，并且输出张量中的每个元素只受K大小的2D掩码中包含的输入元素的影响)。
输入张量x的形状w_in,w_in
w_in=14
中间张量映射到形状w_out,w_out,K,K的输入张量x_mapped
K=3是卷积核大小。
w_out=6，由stride=2卷积而成
维度2和3上的求和(均为K大小)是指对连接到输出元素的输入元素进行求和，输出元素的位置由维度0和1确定。
问题：
如何根据x_mapped中元素在输入张量x中的位置，有效地规范化(到
浏览 0提问于2018-10-23得票数 1
2回答
多分类模型中的抽样大小是否重要？
、、、、
我正在研究一个多类分类模型，其中很少有类与其他类相比拥有更少的数据。我使用随机抽样技术从人口中创建一个样本，使每个类别的比例与人口的比例相等。例如，A类在总体中有400条记录，B类在总体中有100条记录，然后在进行随机抽样时，我正在创建一个样本，其中A类和B类的记录比例为4:1。我观察到的趋势是通过改变某一类的样本大小(保持类间比例不变)，导致模型性能(准确性、精确性、召回性)发生变化。
无论样本大小如何，我需要应用什么技术才能使我的模型稳定？
浏览 0提问于2019-11-27得票数 3
如何生成特定比为0和1的掩模张量？例如，0的70:30和5乘10张量中的1s将产生：
[[0,0,0,0,0,0,0,0,1,0],
[1,1,1,0,0,0,1,1,0,0],
[0,0,1,0,0,1,1,0,1,0],
[0,1,0,1,0,1,1,0,0,0],
[0,0,0,1,0,0,0,0,0,0]]
浏览 2提问于2021-05-31得票数 1
回答已采纳
假设我有一个模型，它将一个形状为n，10的张量映射到一个形状为n，2的张量，其中n是批量大小。我如何重复该模型，以使结果模型接受形状为n，k，10的输入张量，并输出形状为n，k，2的张量？模型的k个版本应该共享所有权重。
浏览 14提问于2019-03-14得票数 1
回答已采纳
我有形状的张量A (2，4，2)，形状的张量B (4，4)，所有的值都是int。A中的条目从0到3。
我想要创建一个形状的张量C(2，4，2)。
for循环代码类似于：
for i in range(2):
for j in range(2):
for k in range(4):
C[i][k][j] = B[k][A[i][k][j]]
我如何在tensorflow中创建这样的张量C？
谢谢。
浏览 3提问于2018-10-08得票数 2
回答已采纳
我对张量很陌生，并且对这个问题感到头疼：
我有一个大小为k的指数张量，其值介于0和k-1之间：
tensor([0,1,2,0])
以及以下矩阵：
tensor([[[0, 9],
[1, 8],
[2, 3],
[4, 9]]])
我想要创建一个新的张量，它包含索引中指定的行，按顺序排列。所以我想：
tensor([[[0, 9],
[1, 8],
[2, 3],
[0, 9]]])
在张量之外，我会或多或少地做这样的操作：
new_matrix = [matrix[i] for i in index]
如何在PyTorch中对张量
浏览 3提问于2021-03-31得票数 2
回答已采纳
1回答
我正在运行一个Tensorflow模型，返回一个3D数组作为输出，但我无法从张量中获取数据数组。
我确实打印了模型输出的形状，没有任何问题。
std::vector<tf::Tensor> outputs;
auto start_inference = std::chrono::high_resolution_clock::now();
_status = _session->Run({inputs}, {"k2tfout_0", "k2tfout_1"}, {}, &outputs);
if (!_status.ok
浏览 0提问于2019-02-12得票数 2
1回答
奇怪的张量
、、
当我打印一个张量，它显示了某种类型的操作名称，而不是它的值，这意味着什么？
例如：
Tensor("gradients/block1_conv1/convolution_grad/Conv2DBackpropInput:0", shape=(?, ?, ?, 3), dtype=float32)
Tensor("truediv_1:0", shape=(?, ?, ?, 3), dtype=float32)
产生这些指纹的代码是：
from keras.applications import VGG16
from keras import backend as
浏览 0提问于2019-09-10得票数 0
1回答
投入：
形状[batch_size, n, d]Tensor [batch_size, m, d]的张量a
输出：
形状b[i, k]的张量c，其中c[i, j, k]是a[i, j]和c[i, j, k]之间的余弦相似性
如何在PyTorch (最好没有for循环)中有效地实现这一点？
浏览 10提问于2022-10-02得票数 0
我的模型输出了十个预测，其中我从最大的一个与argmax。不幸的是，它还返回一个张量(只有一个值，如张量: 8)，而我不知道如何将这个张量变成整数，或者提取唯一的值。
到目前为止，我已经尝试了道集、asType、dataSync和get。
浏览 0提问于2018-11-10得票数 2
回答已采纳
我想在基于binary_crossEntropy的keras中实现一个自定义丢失函数。我对Keras.losses.binary_crossentropy输出管的形状有疑问。我希望它应该是一个长度为batch_size的一维张量。但是它返回一个批大小形状的张量，所有类的每一行损失量相同的类。我是否应该在行中手动使用max？有更好的办法吗？为什么K.binary_crossentropy的输出不是一维张量？它与数学概念有关吗？
def custom_loss(y_true, y_pred):
loss_tensor = K.binary_crossentropy(y_true, y_pr
浏览 1提问于2019-07-22得票数 1
回答已采纳
我正在寻找最好的和优化的方式(没有循环)，以获得从3D张量的最大值为基础的2D最大张量使用TensorFlow 1.14。假设我们有这个张量和这个函数(为了理解-它不工作-)：
def get_Max(inputs):
max_indices = [0,0,0]
for i in range(16):
for j in range(2048):
for k in range(10):
if(inputs[max_indices[0],max_indices[1],max_indices[2]]<inp
浏览 0提问于2020-08-21得票数 1
1回答
由指数张量求次张量的局部最大值
、、、、
我有一个张量x的形状(1,n)和另一个指数张量d的形状(1,k)。我想找出k次张量的最大值
x[0:d[0]], x[d[0]:d[1]], x[d[1]:d[2]], ..., x[d[-2]: d[-1]]
因此，输出是具有(1,k)局部最大值的形状k的张量。我可以实现一个for循环，但是太慢了。我可以在PyTorch (或Numpy)中并行执行吗？
浏览 17提问于2022-08-19得票数 0
1回答
问题描述：
我试图从softmax层的输出(维数(,2))中访问单个元素(即标量)，并将其乘以来自另一个模型的张量，该模型的维数为(,10)。描述我的问题的模拟拨号图如附图所示。
我使用带有Tensorflow的Keras作为后端。到目前为止，我的方法是:假设softmax层的输出维数是(,2) (即大小为2的向量)。首先，我的计划是使用keras.backend.gather(a_k_p,0)访问这个向量的各个元素(根据Keras/tensorflow的张量)。其中，变量a_k_p引用SoftmaxLayer。但是，道集只是给出了整个行，而没有给出单个元素。那么，我的第一个问题是如何访问一个
浏览 0提问于2018-07-22得票数 0
我认为对角张量是形状的张量t (d1，.，dr)，除了分量相等外，它都是零。因此，ti，j，k，l=0，除非i == j == k == l.创建这样一个张量的函数应该是一个形状(d1，.，dr)和一个长度为min的向量a1，.，ak (d1，.，dr)，将这些值沿对角线放置。
我想在Tensorflow中这样做，而且我能找到的最相关的功能是，但是它不做我想做的事情。例如，对角线输入是张量，输出张量总是有两倍的秩，因此它永远不能输出奇数秩的张量。
文档中说：“给定对角线，此操作返回带对角线的张量，以及其他填充为零的所有内容”，但我不知道如何与它的实际行为成正方形。
我的问题有两部分：
在T
浏览 7提问于2020-08-12得票数 1
对于任何2D张量X，如何获得每个行的top K元素的掩码，其中K是张量(不限于int)？
输入：
tensor([[0.6607, 0.1165, 0.0278, 0.1950],
[0.0529, 0.4607, 0.2729, 0.2135],
[0.3267, 0.0902, 0.4578, 0.1253]])
期望输出:用于K = torch.tensor([2,3,1])
tensor([[ True, False, False, True],
[ False, True, True, True],
[ False
浏览 8提问于2022-07-18得票数 1
回答已采纳
1回答
我有两个张量x和y，它们在第一个shape维度中具有相等的k。第二个张量包含检索从第一个维度到最后一个维度的值的索引。对于rank为3，则输出z应为z[i_1, i_2,...,i_k, j] = x[i_1, i_2,...,i_k, y[i_1, i_2, ...,i_k, j]]。 我目前有一个方法，需要重塑x和y，添加y的行索引，使用gather_nd，最后返回到原始形状。有没有更优雅的方法？有没有一种方法可以得到指数的张量(比如np.indices)，除了满足上述条件外，最好不需要了解等级或形状？
浏览 10提问于2019-02-09得票数 4
1回答
我尝试使用conver_to_tensor函数
k = np.array([1,5,6,9,])
print(list(k))
k = list(k)
k = tf.convert_to_tensor(k)
k
输出：
[1, 5, 6, 9]
<tf.Tensor: shape=(4,), dtype=int32, numpy=array([1, 5, 6, 9], dtype=int32)>
这里，我把它转换成一个张量，但在里面，它仍然只包含在numpy数组中。有办法完全转换成张量吗？基本上，我想要一个张量包含一个数字的列表/数组。
浏览 0提问于2021-02-14得票数 0
1回答
利用3 by n by k张量A和1 by k by m张量x，我们可以得到Ax = B，其中B具有[3, n, m]的形状。
torch.linalg.lstsq(A, B)返回一个3 x k x m张量作为解。有办法找到1 by k by m张量x吗？
浏览 8提问于2022-07-19得票数 0
回答已采纳
1回答
我学习了一个8,3,32,32形状张量，其中8是批处理大小，3个是通道数，32x32是像素大小，它们将第一个卷积层定义为nn.Conv2d(3，16，5 )，其中3是输入大小，16是输出大小，5是内核大小，它工作得很好。
in_size = 3
hid1_size = 16
hid2_size = 32
out_size = len(labels)
k_conv_size = 5
class ConvNet(nn.Module):
def __init__(self):
super(ConvNet, self).__init__()
self.l
浏览 0提问于2019-03-15得票数 7
1回答
我正在构建一个函数，它以一种特定的方式将来自一个模型分支的输入与来自另一个模型分支的输入相乘，但是访问张量的特定部分并不是我所期望的。
最小例子:假设我们得到两个张量，其中一个包含[1, 2]，另一个包含[10, 20, 30]，其中一个输出应该是[1] x [10, 20, 30]，方法是取第一个张量的第一个值。
如果我从创建这样的变量开始：
import keras.backend as K
import numpy as np
from keras.layers import Multiply
x = K.variable(value=np.array([1,2]))
y = K
浏览 1提问于2018-02-04得票数 1
回答已采纳
4回答
我有一个网络，它产生一个4D输出张量，其中空间维(~像素)中每个位置的值将被解释为该位置的类概率。换句话说，输出是(num_batches, height, width, num_classes)。我有同样大小的标签，真正的类被编码为一个热的。我想用这个计算categorical-crossentropy损失。
问题#1: K.softmax函数需要2D张量(num_batches, num_classes)
问题2：我不知道如何将每个头寸的损失合并起来。它是正确的reshape张量到(num_batches * height * width, num_classes)，然后调用K.categ
浏览 5提问于2017-03-26得票数 10
我使用reduce_mean来获得tensor_a的平均值。如果tensor_a是一个空张量，我会得到nan值。 tensor_a = K.variable([])
print(K.get_value(tf.reduce_mean(tensor_a))) 输出： nan 但是，如果tensor_a是一个空张量，我希望得到0而不是nan值。如何解决？
浏览 35提问于2019-09-27得票数 1
回答已采纳
1回答
我正在做我的最后学位项目关于卷积网络，并试图理解解释显示在深入学习书由伊恩古德费罗等人。
当为二维图像定义卷积时，表达式是：
S(i,j) = (K*I)(i,j) = \sum_{m}\sum_{n}I(i+m,j+n)K(m,n)中，I是图像输入(宽度和高度为二维)，K是核心。
之后，它指出输入通常是三维张量。这是因为通常输入图像有多个通道(例如，红色、绿色和蓝色通道)。此外，它还说，当输入被看作是一批图像时，它也可以是一个4D张量，其中最后一个维度代表一个不同的例子，但是为了简单起见，它们将省略最后一个维度。我明白这一点。
现在让I_{i,j,k}成为具有行j、列k (高度和宽度)和通道
浏览 0提问于2021-05-03得票数 0
回答已采纳
1回答
我试图操纵不同神经网络的单个权重，看看它们的性能是如何降低的。作为这些实验的一部分，我被要求从它们的重量张量中随机取样，我理解为用替换的抽样(在统计意义上)。然而，由于它是高维的，我被如何以一种公平的方式来做这件事所困扰。下面是我考虑这个问题的方法和研究：
这以前是通过选择一个随机层，然后在该层中选择一个随机权重来实现的(忽略选择随机权重的实现)。因为层是不同的大小，我们发现重量是不均匀的抽样。
我考虑了如果我们根据张量的numpy.shape采样会发生什么；然而，我现在意识到这遇到了与上面相同的问题。
考虑一下这样的2级张量会发生什么情况：
[*、*、* ]
随机选择一行，然后从该行
浏览 0提问于2019-04-28得票数 1
回答已采纳
假设我有一组向量A，我想将A中的每个向量与张量T相乘，最终得到张量y，其中每个切片矩阵都是A中的向量v与T相乘的结果
如果X只包含一个向量，则以下代码可以工作(感谢中的答案)：
tf.reduce_sum(tf.expand_dims(v,2)*T,1)
但是，如果X由几个向量组成，那么乘法的代码会是什么呢？
例如，对于A (使用2向量)和T，我有以下值
A = tf.constant([1,2,3,4], shape=[2,2], dtype=tf.float32) #v1 =[1,2], v2=[3,4]
T = tf.constant([1,2,3,4,5,6,7,8], shape=[
浏览 27提问于2018-06-10得票数 1
回答已采纳
给定形状为Nx2的张量，如何从类似于np.random.choice的张量中选择k元素(概率相等)？另一点需要注意的是，N的值在执行过程中动态变化。意思是说我在处理一个动态大小的张量。
浏览 0提问于2018-03-08得票数 2
回答已采纳
1回答
假设我们有一个卷积神经网络训练分类(w.l.o.g. )。灰度)图像，张量流。
给定经过训练的网络和测试图像，可以跟踪它的哪些像素是显着的，或“等效”哪些像素对图像的输出分类最负责。在这个中给出了Theano中一个很好的解释和实现细节。
假设对于与输入图像直接相关的第一层卷积，我们对每个卷积核wrt的参数都有梯度。分类函数。
如何将梯度传播回输入层，从而在图像的每个像素上计算偏导数？
传播和积累的梯度，将给我们突出的像素(他们是那些大的幅度导数)。
以求渐变wrt。到目前为止，第一层的内核是：
1. Replaced the usual loss operator with t
浏览 1提问于2016-06-29得票数 4
回答已采纳
我有一个形状为(100, 80000, 4)的torch cuda张量A，和另一个形状为(1, 80000, 1)的cuda张量B。我想做的是，对于第二维中的每个元素i (从0到79999)，取张量B的值(它将从0到99，并指出要取A的第一维中的哪个值。 另一个问题是，对于B (B[0, i, 0])的这个元素，我想从A中提取一个片段，即A[lower_bound:upper_bound, i:i+1, :]。 总而言之，我的张量B有我想要从A中切出的切片中心的索引。我想知道，是否有一种方法，可以更快地完成我正在使用以下代码所做的事情(例如。使用cuda) A # tensor of sh
浏览 28提问于2021-01-20得票数 0
2回答
在这种情况下，我有一个张量，其第一个维度与批处理大小相对应，例如：
tensor = tf.placeholder(tf.float32, shape=[None, 256, 256,3],name="placeholder_input")
现在我有一个张量函数"myfunc"，作用于一个大小为256, 256，3的张量，我想要应用与批次数一样多次的张量，以得到大小为None，256,256,3的输出。如果形状不是动态的，我会简单地这样做：
output_tensor = tf.stack([myfunc(tensor [k,:,:,:] for k in ra
浏览 0提问于2019-01-18得票数 1
给定一个形状张量，例如(2,3,3,1)，其中批大小为2，每个矩阵为形状(3,3,1)。如何从每个矩阵中找到k个最大元素，并创建一个单热矩阵，以便在这些k个位置的条目在其他地方是1和0。示例：(注意，为了简单起见，每个条目都将是一个浮点数)
input_tensor=[[[1, 5, 7],
[2, 8, 1],
[3, 9, 1],
],
[[0, 9, 5],
[6, 0, 4],
[3, 0, 8]
]
]
K=3的一个热张量：
output_tensor=[[[0, 0, 1],
[0,
浏览 4提问于2019-04-13得票数 1
回答已采纳
我试图在Keras中创建一个自定义层，每次从k张量中选择inputs随机样本。
就像这样：
import random
class RandomKAggregator(tf.keras.layers.Layer):
def __init__(self, **kwargs):
super(RandomKAggregator, self).__init__(**kwargs)
self.k = 3
def call(self, inputs):
return inputs[[random.randint(0, len(inputs
浏览 4提问于2022-06-15得票数 1
回答已采纳
快问吧，我有点糊涂了。
假设我们有一个简单的图：
a = tf.Variable(tf.truncated_normal(shape=[200, 1], mean=0., stddev=.5))
b = tf.Variable(tf.truncated_normal(shape=[200, 100], mean=0., stddev=.5))
add = a+b
add
<tf.Tensor 'add:0' shape=(200, 100) dtype=float32> #shape is because of broadcasting
所以我有一个节点，它接受两
浏览 2提问于2017-10-01得票数 1
回答已采纳
1回答
我想把二维张量从最小到最大的元素对排序。我试图通过跟踪来做到这一点。它可以分类，但不是一个完美的排序。
这是我的完整代码：
a = [[0.3,0.32],[0.1,5.2],[1.6,0.4],[0.3,0.1],[5.2,2.6],[0.5,1.15]]
a= tf.convert_to_tensor(a)
length = tf.size(a)/2
point = tf.gather(a, tf.nn.top_k(-a[:,0], k=length).indices)
这是输出：
[[0.1 5.2 ]
[0.3 0.32]
[0.3 0.1 ]
[0.5 1.15]
浏览 0提问于2018-05-11得票数 0
回答已采纳
我有一个形状(k,1)的张量，我想复制第一列n次。也就是说，产生的张量应该具有从第一列复制矩阵值的形状(k，n)。如何使用tf.tile实现这一点？
浏览 0提问于2018-10-01得票数 0
回答已采纳
我理解输出包含作为张量的所有编码、令牌类型ids、attention_mask和相应的标签。我想了解getitem函数的内部工作，以及使用len函数获取标签长度的必要性。
class NewsGroupsDataset(torch.utils.data.Dataset):
def __init__(self, encodings, labels):
self.encodings = encodings
self.labels = labels
def __getitem__(self, idx):
item = {k: torc
浏览 13提问于2022-01-11得票数 -1
1回答
我正在尝试实现一个自定义损失函数，它需要取模型输出张量中的值的对数。张量也可以包含零，所以我只想取非零值并计算对数。
输出张量的形状为(20,224,224)。我可以使用下面的函数获得沿0轴的非零元素的数量。
#To get the number of nonzero elements along the axis 0
count = K.tf.count_nonzero(y,axis=0)
但是我不能理解如何计算非零对数。我可以想出下面的numpy解决方案，但不确定它是否等同于keras。
loss = np.log2(y, out=np.zeros_lik
浏览 2提问于2019-10-27得票数 0
1回答
我试图了解在DL框架中矩阵乘法是如何在二维上工作的，我偶然发现了一篇文章。他用Keras来解释同样的事情，这对他来说很管用。但是，当我试图在Pytorch中复制相同的代码时，它会失败，与下面代码的输出中的错误一样。
火炬代码：
a = torch.ones((2,3,4))
b = torch.ones((7,4,5))
c = torch.matmul(a,b)
print(c.shape)
输出: RuntimeError:在非单例维数为0时，张量a (2)的大小必须与张量b (7)的大小匹配。
Keras代码：
a = K.ones((2,3,4))
b = K.ones((7,
浏览 7提问于2021-01-10得票数 1
回答已采纳
问题是： 我有一个张量，在这个张量上我找到了k_top元素，如果元素不是k_top，我用0创建一个掩码，否则用1，然后我将原始张量与掩码相乘，创建tensor_masked。然后我计算张量的平均值。 现在的问题是，我想返回一个新的张量，其中只有k_top的元素等于平均值(如果起始张量中的原始值为负，则为-average，否则为+average ) 我该怎么做呢？ 这是现在的代码： def stc_compression(tensor, sparsification_rate):
mask = tf.cast(tf.abs(tensor) >= tf.math.top_k(tf.
浏览 17提问于2021-10-15得票数 -1
回答已采纳
1回答
我使用Keras (tensorflow作为后端)。我想要做的是写一个lambda层，它得到2个张量输入，用指示函数比较它们的每个2列的组合，并生成一个0-1值的新张量。下面是一个例子。
输入： x = K.variable(np.array([[1,2,3],[2,3,4]]))，y = K.variable(np.array([[1,2,3],[2,3,4]]))
输出 z=K.variable(np.array[[1,0],[0,1]])
据我所知，tensorflow以元素的方式提供了tf.equal()来比较张量。但如果我把它应用在这里，我就会得到
>>> z=tf
浏览 2提问于2017-04-24得票数 0
回答已采纳
我正在使用Python在Tensorflow中推断完全卷积网络，其中网络的输出是具有维度(375,1242，1)的张量。这是包含每个像素是否属于特定类的概率的输出图像(在我的示例中为Road类- KITTY )。张量的格式为Tensor("Slice:0", shape=(375, 1242, 1), dtype=float32)。我的问题是，如何绘制张量并将其保存为图像，以及如何将其转换为二进制，执行类似thres=0.5, image = image > thres的操作
浏览 1提问于2017-08-18得票数 2
回答已采纳
1回答
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？
浏览 2提问于2017-05-31得票数 4
据我所知，负采样随机抽样的K negative samples来自一个噪声分布，P(w)。噪声分布基本上是频率分布+对词的一些修正。通常我们选择K = 5 ~ 20阴性样本。
P(w) = Uw(w)^(3/4) / normalization_factor
我看到了这两个相同的方程，用两个不同的符号来表示：
三个问题：
蓝色盒子的意思是什么？j和i的意义何在？
第二个方程似乎没有显示从噪声分布中“随机抽取”单词的任何东西。k在红色盒子里的意思是什么？
如何从噪声分布中选择噪声样本？
假设归一化噪声分布看起来像下面的字典：
dist = {'apple&#
浏览 0提问于2019-04-24得票数 3
1回答
在pytorch中，我必须得到维数K，L，M和M，L，N的张量，我要执行这些张量沿中间二维方向的标准张量卷积积，从而得到K，N张量。我找不到关于如何执行这些操作的正式文档，也许应该在其他库中进行更好的操作，然后再转换为py手电筒张量？
浏览 1提问于2020-07-30得票数 0
回答已采纳
如何在Tensorflow中求出单个层的输出张量。假设TF模型通过输入图像后，我希望有一些图层的输出的名称。
我怎么能得到它？
浏览 1提问于2019-10-21得票数 0
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
对象存储
即时通信 IM
实时音视频活动推荐
腾讯云开发者
