如何以这种方式平铺张量？(Tensorflow)
在TensorFlow中，可以使用tf.tile函数来实现张量的平铺操作。tf.tile函数的作用是沿着指定的维度对张量进行复制，从而扩展张量的维度。
具体使用方法如下：
import tensorflow as tf
# 定义原始张量
x = tf.constant([[1, 2], [3, 4]])
# 对张量进行平铺操作
tiled_x = tf.tile(x, multiples=[2, 3])
# 打印结果
print(tiled_x)上述代码中，原始张量x的形状为(2, 2)，通过tf.tile函数将其在第一个维度上复制2次，在第二个维度上复制3次，得到的平铺后的张量tiled_x的形状为(4, 6)。具体来说，tiled_x的第一行是x的第一行的复制，第二行是x的第一行的复制，以此类推。
平铺张量的应用场景包括数据扩充、特征复制等。例如，在图像处理中，可以使用平铺张量来扩充图像数据集，增加训练样本的多样性。
腾讯云提供的与TensorFlow相关的产品是腾讯云AI智能服务，其中包括了TensorFlow Serving、AI推理服务等。您可以通过以下链接了解更多信息：
相关·内容
除其他外，机器学习框架包括以下功能：
增援
衡量标准和损失
这些函数是张量的简单转换，似乎是框架独立的。但是，例如，使用一些特定于tensorflow的函数，如tf.convert_to_tensor()或tf.cast()。因此，它不能很容易地使用在火把。另外，tensorflow非常喜欢使用tensorflow张量，而不是numpy张量来创建tensorflow图。
是否有任何现有的努力或想法，如何编写这样的函数的方式，可以在这两个框架中使用？我在想纯粹的numpy函数，它可以以某种方式转换为tensorflow或Py手电筒。
浏览 4提问于2022-04-01得票数 1
我对python和TensorFlow非常陌生，最近几天我在学习"MNIST For ML初学者“()时遇到了一个问题。
在本教程中，我们使用y = tf.nn.softmax(tf.matmul(X, W) + b)获取输出。
我的问题是，例如，X是一个100,784矩阵，W是784,10矩阵，b是一个10张量(像10,1矩阵？)，在我们称为tf.matmul(X，W)之后，我们将得到一个100,10矩阵。这是我的问题，一个100,10矩阵怎么能在这里增加一个b10张量？对我来说没有任何意义。
我知道为什么会有偏见，我也知道为什么需要增加偏见。但我只是不知道"+“操作符在这个
浏览 0提问于2017-09-21得票数 0
回答已采纳
我有个愚蠢的问题，但我不知道怎么解决它。
我有一个由tensorflow设计的神经网络，它有几个权重矩阵。
我的输出层是一个完全连接的网络，它有一个二维加权矩阵W。
假设W是一个3x3矩阵，我的算法需要W的行值是相同的。意思是在更新过程中，W更改为W'，但每一行的元素同时变化并保持相同的值：
W= W'=
[[ x,x,x], [[ x',x',x'],
[ y,y,y], -> [ y',y',y'],
浏览 0提问于2018-07-29得票数 0
回答已采纳
我已经找到了教程和帖子，其中只说服务tensorflow模型使用张量服务。在model.conf文件中，有一个参数model_platform，其中可以提到tensorflow或任何其他平台。但是，我们如何以tensorflow方式导出其他平台模型，以便通过tensorflow服务加载。
浏览 0提问于2018-04-03得票数 9
1回答
我想知道是否有一种在TensorFlow中使用gather_nd或类似的方法来完成以下操作。
我有两个张量：
values与形状[128, 100]，
indices与形状[128, 3]，
其中，indices的每一行都包含沿values的第二个维度的索引(对于同一行)。我想使用values索引indices。例如，我想要这样做的东西(使用松散表示法来表示张量)：
values = [[0, 0, 0, 1, 1, 0, 1],
[1, 1, 0, 0, 1, 0, 0]]
indices = [[2, 3, 6],
[0,
浏览 1提问于2018-07-02得票数 1
回答已采纳
tensorflow中的隐式广播是如何使用+和*的？
如果我有两个张量
a.get_shape() = [64, 10, 1, 100]
b.get_shape() = [64, 100]
(a+b).get_shape = [64, 10, 64, 100]
(a*b).get_shape = [64, 10, 64, 100]
怎么会变成64，10，64,100？
浏览 4提问于2016-05-15得票数 0
回答已采纳
2回答
我正在为tensorflow RNN准备输入张量。
目前，我正在做以下工作
rnn_format = list()
for each in range(batch_size):
rnn_format.append(tf.slice(input2Dpadded,[each,0],[max_steps,10]))
lstm_input = tf.stack(rnn_format)
有没有可能在没有循环的情况下，同时使用一些tensorflow函数来完成这个任务？
浏览 3提问于2017-02-02得票数 5
回答已采纳
假设我有一些代码，例如：
out = tf.nn.softmax(x) # shape (batch,time,n)
labels = .... # reference labels of type (batch,time)->int
然后我把我的损失定义为交叉熵：
loss = -tf.log(tf.gather_nd(out, labels))
TensorFlow会自动替换计算图中的loss吗？
loss = sparse_softmax_cross_entropy_with_logits(x, labels)
我可以期望TensorFlow会应用哪种类型的优化？
后续问题:如
浏览 4提问于2016-12-12得票数 0
回答已采纳
首先，我知道有人问了一个相关的问题。
然而，这个问题是关于实施和内部的。我在看报纸"“。这里引用了以下两点：
1.
张量本身并不在内存中保存或存储值，而是只提供一个接口来检索张量引用的值。
在我看来，张量是一个简单地存储指向一个操作结果的指针的对象，在检索张量的结果或值时，它只是取消了那个指针。
2.
变量可以描述为存储张量的内存缓冲区的持久的、可变的句柄.因此，变量具有一定的形状和固定的类型。
在这里，我感到困惑，因为我认为，基于前面的点，张量只是存储一个指针。如果它们只是指针，它们也可能是可变的。
准确地说，这些是我的问题：
“内存缓冲区”的含义是什么？
“
浏览 4提问于2016-11-29得票数 23
回答已采纳
以下是tensorflow中tf.GraphKeys的，例如TRAINABLE_VARIABLES：将由优化器训练的变量对象的子集。
我知道tf.get_collection()，它可以找到你想要的张量。
使用tensorflow.contrib.layers.batch_norm()时，参数updates_collections默认值为GraphKeys.UPDATE_OPS。
我们如何理解这些集合，以及它们之间的差异。
此外，我们可以在ops.py上找到更多。
浏览 0提问于2018-01-15得票数 18
回答已采纳
我有两个矩阵：-A (1000,9) -B (1000,10)
现在A0,0应该乘以B0,0，B0,1，...B0,9
A0,1应该乘以B0,0，B0,1，...B0,9
A1,0应乘以B1,0，B1,1，...B1,9
等
使得结果矩阵的大小为(1000,90)
在Tensorflow中，只有矩阵运算，没有循环，这是可能的吗？根据一些广播规则，我认为这应该是可能的，但我还没有答案。
tf.tile可以是一个解决方案，将两个张量平铺到(1000,90)形状，然后进行元素乘法。但也许有更好的解决方案
浏览 3提问于2018-08-23得票数 1
回答已采纳
我正在尝试构建一个以稀疏张量列表作为输入的模型。(列表长度等于批量大小)
我使用稀疏张量的原因是我必须将邻接矩阵传递给我的GNN模型，而它是非常稀疏的。(~99%)
我很熟悉pytorch的使用，它很容易将稀疏张量输入到网络中。
然而，我发现我必须使用tf.data.Dataset或keras.utils.Sequence在tensorflow中创建数据集。
但是当我使用稀疏张量列表作为输入时，这些方法会抛出错误。
例如，下面的代码使TypeError
import tensorflow as tf
tf.data.Dataset.from_tensor_slices(sparse_lists
浏览 36提问于2021-07-08得票数 0
我需要从张量收集一些数据，我使用了gather_nd。现在代码在上面
import tensorflow as tf
indices = [[[0, 4], [0, 1], [0, 6], [0, 2]],
[[1, 1], [1, 4], [1, 0], [1, 9]],
[[2, 5], [2, 1], [2, 9], [2, 6]]]
params = [[4,6,3,6,7,8,4,5,3,8], [9,5,6,2,6,5,1,9,6,4], [4,6,6,1,3,2,6,7,1,8]]
output = tf.gather_nd(par
浏览 1提问于2016-11-01得票数 2
回答已采纳
数据集是numpy集。一些教程说:因为需要GPU的优势，我们应该将numpy数组改为tensorflow张量。然后使用tensorflow模型。
但经过训练后，一些代码使用numpy函数进行测试和交互。但tensorflow官方教程中的代码仍然使用相同的tensorflow模型和tf.dataset进行测试。我想知道:当测试或实时应用时，我应该使用numpy还是tensorflow张量和模型？换句话说，如果不训练，使用tensorflow张量和函数是否会产生一些不良影响？
例如:我们使用selected_words =tf.argsort(o_j)
代替
selected_words = np
浏览 0提问于2019-11-13得票数 0
1回答
我试着用tensorflow将一个点的列表移到原点，用数学的方法，最好的方法是找到点列表的质心，然后用质心减去点的列表。
问题:在运行时之前，点列表中包含的行数是未知的。
目前为止的代码：
import tensorflow as tf
example_point_list = tf.constant([[3., 3.], [.2, .2], [.1, .1]]) // but with any number of points
centroid = tf.reduce_mean(example_point_list, 0)
// subtract???
origin_point_lis
浏览 5提问于2016-05-04得票数 2
回答已采纳
TensorFlowSharp是TensorFlow在c#平台上的包装器。
现在，我需要将形状为32,64,1的张量重塑为形状为1,2048的新张量，但当我引用正式API文档时，用法似乎如下：
TFOutput Reshape (TensorFlow.TFOutput tensor, TensorFlow.TFOutput shape);
问题是，我不知道如何用TFOutput的方式表达我所需要的形状，任何建议都会被感激：)！
浏览 2提问于2017-08-18得票数 2
回答已采纳
2回答
我使用Tensorflow和python2.7。
我有一个二进制的1-D张量如下：
a = [ 1 , 0, 1, 0, 1]
我要用相关指数计算张量各元素的比率之和。
例如，我需要计算：
[ 1/1 + 0/2 + 1/3 + 0/4 + 0/5 ]
有Tensorflow函数吗？
浏览 4提问于2017-04-09得票数 1
回答已采纳
我的代码中有一些张量，需要得到这些张量的值。这是其中之一。如何打印张量OA值？
Input:OA
Output: <tf.Tensor 'Sum_1:0' shape=(1, 600) dtype=float32>
Input:type(OA)
Output: tensorflow.python.framework.ops.Tensor
我已经尝试过所有可用的函数，如tf.print()、eval()、tensor.numpy()。在Tensorflow 2.0中，他们都没有为我工作。它们似乎只适用于“EagerTensor”，而不适用于“评论”。
1) OA.e
浏览 3提问于2020-02-21得票数 13
我是TensorFlow新手，刚刚读完了急切的执行教程，了解了tf.decode_csv函数。不知道这件事，我看了文件。
我不太明白。
文档中写着“记录:字符串类型的张量”--因此，我的问题是:什么是“张量”？
我尝试了以下代码：
dec_res = tf.decode_csv('0.1,0.2,0.3', [[0.0], [0.0], [0.0]])
print(dec_res, type(dec_res))
l = [[1,2,3],[4,5,6],[7,8,9]]
r = tf.reshape(l, [9,-1])
print(l, type(l))
print(r
浏览 2提问于2018-06-27得票数 1
回答已采纳
我期望下面的代码产生相应的张量
>>> A = tf.range(3)
>>> B = tf.tile(tf.expand_dims(A), [4,1])
>>> print(tf.Session().run(B))
[[0,1,2],
[0,1,2],
[0,1,2],
[0,1,2]]
但是，这会导致ValueError。重现这个问题的简单方法如下
>>> import tensorflow as tf
>>> x = tf.constant([0,1,2])
>>> y =
浏览 0提问于2018-12-09得票数 3
回答已采纳
numpy中有一个函数可以将给定值插入到数组中：
tensorflow中有类似的东西吗？
或者，tensorflow中是否有一个函数可以使用张量值之间的零进行张量上采样？
浏览 16提问于2017-08-23得票数 0
我有一个张量[a, b, c, d, e, f, g, h, i]，维数为9X1536。我需要创建一个新的张量，它类似于维数为8x2x1536的[(a,b), (a,c), (a,d), (a,e),(a,f),(a,g), (a,h), (a,i)]。我怎么才能用tensorflow做这件事？我试过像这样
x = tf.zeros((9x1536))
x_new = tf.stack([(x[0],x[1]),
(x[0], x[2]),
(x[0], x[3]),
(x[0], x
浏览 0提问于2018-01-23得票数 1
回答已采纳
我需要张量中最大值的一次热表示。
例如，考虑张量2 x 3
[ [1, 5, 2],
[0, 3, 7] ]
我想要的唯一热门的argmax表示法如下：
[ [0, 1, 0],
[0, 0, 1] ]
我可以这样做，其中my_tensor是一个N x 3张量：
position = tf.argmax(my_tensor, axis=1). # Shape (N x )
one_hot_pos = tf.one_hot(position, depth=3) # Shape (N x 3)
但是代码的这一部分必须是可区分的，因为我正在对它进行训练。我的解决办法如下所示，其
浏览 0提问于2018-07-06得票数 4
2回答
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，
浏览 22提问于2020-06-26得票数 2
我想知道如何使用tensorflow Variabe对象使用C++ API获取数据。例如，对于具有引用obj的纯张量对象，执行obj->flat<Type>().data()将返回所有张量数据。是否有类似的方法从变量对象中提取数据？
浏览 9提问于2019-11-05得票数 0
1回答
我试图在Tensorflow中添加一个新操作，其中我有两个输入，即一个3D张量和一个常量，它输出一个4D张量。4D张量是通过将3D张量复制由常数定义的次数来获得的。shape函数的实现方式如下：
.SetShapeFn([](::tensorflow::shape_inference::InferenceContext* c)
{
::tensorflow::shape_inference::ShapeHandle output;
::tensorflow::shape_inference::ShapeHandle out1 = c->Vector(::tensorflo
浏览 4提问于2017-03-21得票数 0
在Tensorflow 2.0中，我们看到的主要“张量”实际上是EagerTensors (更准确地说是tensorflow.python.framework.ops.EagerTensor)：
x = [[2.]]
m = tf.matmul(x, x)
type(m)
# returns tensorflow.python.framework.ops.EagerTensor
但是，在某些情况下，我们有符号Tensor对象(tensorflow.python.framework.ops.Tensor)，就像TF1.X中的那样。
例如在角星中：
from tensorflow.keras.mo
浏览 0提问于2019-08-26得票数 11
在numpy中，可以将2d数组与3d数组相乘，如下例所示：
>>> X = np.random.randn(3,5,4) # [3,5,4]
... W = np.random.randn(5,5) # [5,5]
... out = np.matmul(W, X) # [3,5,4]
据我所知，np.matmul()采用W并将其广播到X的第一个维度。但在tensorflow中不允许这样做：
>>> _X = tf.constant(X)
... _W = tf.constant(W)
... _out = tf.matmul(_W, _X)
ValueE
浏览 0提问于2018-07-02得票数 3
回答已采纳
2回答
我正试着在ios上通过一个预先训练好的模型运行一个样本。session->Run()接受我理解的张量作为输入。我已经初始化了一个张量，但是我如何设置它的值呢？我没有太多使用C++的经验。
我已经成功地创建了一个测试模型，它接受形状为{1，1，10}的3维张量。
我从Tensorflow的简单示例中提取了以下代码行来创建输入张量。
tensorflow::Tensor input_tensor(tensorflow::DT_FLOAT, tensorflow::TensorShape({1,1,10}));
从这里开始，我不知道如何设置input_tensor的数据。我想将张量设置为{.
浏览 7提问于2016-08-10得票数 5
1回答
考虑T(w X H X d)的三维张量。
目标是通过沿第三维以一种独特的方式平铺来创建R(w X H X K)的张量，其中K=d x k。
张量应该将第三维中的每个切片重复k次，这意味着：
T[:,:,0]=R[:,:,0:k] and T[:,:,1]=R[:,:,k:2*k]
与标准平铺有一个细微的区别，它给出了T[:,:,0]=R[:,:,::k]，在第三维的每个第k维重复。
浏览 3提问于2017-09-23得票数 1
我有一个Tensorflow 2.0 tf.keras.Sequential模型。现在，我的技术规范规定使用Levenberg-Marquardt优化器来适应这个模型。Tensorflow 2.0并不提供它作为一个现成的优化器，但它可以在模块中使用。
tfg.math.optimizer.levenberg_marquardt.minimize函数接受residuals (残差是返回张量的callable )和variables (对应于模型权重的张量列表)作为参数。
将我的模型转换为残差和变量的最佳方法是什么？
如果我正确理解minimize函数的工作原理，我必须提供两个残差。第一个残差必须
浏览 5提问于2019-10-25得票数 6
回答已采纳
上一次，当我训练一个dnn模型时，我注意到当我尝试用张量(dtype = float64)训练我的模型时，它总是会产生错误，但是当我用相同规格(形状、值、类型)作为张量的numpy数组训练模型时，它不会出现错误。为什么会这样
对于作为张量的特性和标签，将第二个脚本中的numpy.arrys替换为：
celsius_q = tf.Variable([-40, -10, 0, 8, 15, 22, 38], tf.float64)
fahrenheit_a = tf.Variable([-40, 14, 32, 46, 59, 72, 100], tf.float64)
当使用
浏览 9提问于2022-08-28得票数 0
首先，我不确定我的计算机(Macbook)是否能够在GPU上运行张量流。我检查了系统/硬件/图形显示设置。您可以在下面找到相关的信息。
图形: Intel Iris Pro 1536 MB
那么，用这种计算机图形功能在GPU上运行张量流可以吗？
第二个问题，我正在使用conda环境安装张量流。在tensorflow安装页面上，我只能找到cpu的package。如何安装张量gpu软件包？
浏览 8提问于2017-09-09得票数 1
回答已采纳
1回答
我使用下面的链接来安装张量流对接器映像，在最后一步中，当我运行sudo docker pull tensorflow/tensorflow:latest-gpu-jupyter时，我得到以下错误消息：sudo docker pull tensorflow/tensorflow:latest-gpu-jupyter
如果有人有类似的问题，请告诉我。我正在使用一个架构的Google平台: x86_64和Ubuntu16.04
有人有更简单的资源来安装它吗？
谢谢你的帮助！
浏览 2提问于2018-12-14得票数 1
我想在Tensorflow中使用一个预先训练过的Pytorch模型，并且我需要将tensorflow张量转换为pytorch张量。但是，我不想将Py手电筒张量转换为numpy数组，并将其转换为tensorflow张量，因为我得到的错误是“您必须为占位符张量提供一个值”。当我制作图形时，我需要这个转换，这样tensorflow张量就没有价值了，并且不能转换为numpy！有什么解决办法吗？
浏览 5提问于2021-01-24得票数 2
回答已采纳
阅读Tensorflow rnn单元我遇到了以下GRUCell代码：
self._gate_kernel = self.add_variable(
"gates/%s" % _WEIGHTS_VARIABLE_NAME,
shape=[input_depth + self._num_units, 2 * self._num_units],
initializer=self._kernel_initializer)
self._gate_bias = self.add_variable(
"gates/%s" % _BIAS_VAR
浏览 0提问于2018-04-19得票数 0
回答已采纳
我编写了tensorflow图来拟合原始数据和重建数据之间的旋转角度。我尝试对张量和命名作用域使用冗长的名称。
然而，曲线图是完全不直观的：
这可能是因为公式中的所有中间张量都被描述为图中的显式节点。
是否有可能以某种方式隐藏中间节点或未命名节点？
浏览 3提问于2017-10-12得票数 2
对于我来说，Tensorflow的一个谜团是:变量何时表示单个张量与批处理？下面是一个具有连续值输出的网络示例(而不是分类器)。在以loss开头的行中，我计算损失的方法是从真值中减去预测值，并将这些差异的绝对值相加在一个批处理上。在这一行中，Tensorflow为truthValues_placeholder插入一批真值，因此truthValues_placeholder是一个“批处理”张量，即它对批处理中的每个项都有一个条目。但是，前面的行将prediction计算为单个值(与批处理相反)。我的问题是: Tensorflow神奇地将prediction转换为“批处理张量”，所以它也为批处理中
浏览 3提问于2016-08-22得票数 1
回答已采纳
我只想给张量赋值一次，并且在以后的所有执行中保持不变。换句话说，我想实现如下内容：
x = tf.cond(tf.equal(x_ready, 0), ComputeX(), tf.no_op)
这当然行不通，因为tf.no_op不返回张量。那么，有没有什么简单的方法可以在Tensorflow中实现与以下C++代码等效的代码？
x_ready = false;
if (!x_ready) {
x = ComputeX();
x_ready = true;
} // and there is no "else" branch
请注意，我不希望通过以下方式实现它：
x =
浏览 0提问于2016-11-04得票数 0
2回答
我很难理解Tensorflow张量和稀疏张量的含义和用法。
根据文件
张量
张量是一种典型的多维数组.例如，您可以将一小批图像表示为一个四维浮点数字数组，其中包含维度批处理、高度、宽度、通道。
稀疏张量
TensorFlow将稀疏张量表示为三个独立的密集张量:索引、值和形状。在Python中，为了便于使用，三个张量被收集到一个SparseTensor类中。如果有单独的索引、值和形状张量，则在传递到下面的操作之前，将它们包装在SparseTensor对象中。
我的理解是张量用于操作、输入和输出。稀疏张量只是张量(稠密？)的另一种表示。希望有人能进一步解释不同之处，以及他们的用例。
浏览 3提问于2017-12-05得票数 24
回答已采纳
我是TensorFlow的新手。当我阅读现有的文档时，我发现tensor这个术语确实令人困惑。因此，我需要澄清以下问题：
tensor和Variable，tensor之间的关系是什么？
对tf.constant，“张量”对tf.placeholder
它们都是张量吗？
浏览 0提问于2016-06-16得票数 39
回答已采纳
当我运行我的代码时，我试图使用张量流作为后端，并执行以下操作：
import tensorflow
KERAS_BACKEND=tensorflow
import keras
from keras import backend as K
K.tensorflow_backend._get_available_gpus()
我得到以下错误：
K.tensorflow_backend._get_available_gpus()
AttributeError: module 'keras.backend' has no attribute 'tensorflow_backen
浏览 6提问于2020-07-23得票数 2
回答已采纳
我正在使用tensorflow 2.0.0-beta1和python 3.7
首先，考虑tensor.numpy()正确工作的以下代码：
import tensorflow as tf
import numpy as np
np.save('data.npy',np.ones(1024))
def func(mystr):
return np.load(mystr.numpy())
mystring = tf.constant('data.npy')
print(func(mystring))
上述代码工作正常，并输出[1. 1. 1. ...
浏览 1提问于2019-06-19得票数 10
我大致理解当一个张量包含一个TensorFlow图时，它是如何求值的:对该张量执行run或eval将触发所需图中的所有级联计算，计算该张量的值，因此，图中“导致它”的任何张量也将被计算出来，连接它们的任何操作都将被运行。
因此，如果我有一个包含张量out_a的图，该图的计算涉及(可能包括许多其他事情)使用int_b的操作，这反过来(最终)需要执行操作an_op，该操作本身(最终)使用in，执行
a, b, o = sess.run([out_a, int_b, an_op], feed_dict={in: x})
将只对out_a、int_b和an_op进行一次评估：out_a和int_b的计
浏览 3提问于2017-06-05得票数 0
从打印输出来看，它是功能。但根据
操作是TensorFlow图中的一个节点，它以零或多个张量对象作为输入，并生成零或多个张量对象作为输出。类型操作的对象是通过调用Python构造函数(例如tf.matmul)或tf.Graph.create_op来创建的。
它是一个构造函数。所以我认为这是一个类名。但是，打印tf.matmul的返回值表明它是张量，而不是“类型操作的对象”。类张量是从类操作继承来的吗？我试图在tensorflow源代码中找到tf.matmul的定义，但没有得到它。
浏览 17提问于2019-11-15得票数 1
回答已采纳
1回答
从字符串重新创建张量
、、、
我使用tensorflow.js(节点)作为对张量图像文件进行预处理的一种方法。
const tf = require('@tensorflow/tfjs');
require("@tensorflow/tfjs-node")
const mobilenetModule = require('@tensorflow-models/mobilenet');
const knnClassifier = require('@tensorflow-models/knn-classifier');
const { loadImage, c
浏览 0提问于2019-05-01得票数 2
回答已采纳
为了清楚地理解tensorflow中的张量，我需要清楚地了解张量是如何定义的。
以下是tensorflow文档中的一些例子：
3 # a rank 0 tensor; this is a scalar with shape [] [1. ,2., 3.] # a rank 1 tensor; this is a vector with shape [3] [[1., 2., 3.], [4., 5., 6.]] # a rank 2 tensor; a matrix with shape [2, 3] [[[1., 2., 3.]], [[7., 8., 9.]]] # a rank 3 te
浏览 2提问于2017-04-20得票数 3
回答已采纳
看看，我看到了如何在TensorFlow中将二维张量压平为一维张量，但是如何将4D张量压平到具有TensorFlow函数的三维张量呢？
例如：
import tensorflow as tf
X = tf.random_normal([n, h, w, c], mean=1, stddev=4)
Y = ???
浏览 2提问于2017-11-27得票数 2
回答已采纳
我想把几个tensorflow：：张量串联在一起，只使用会话一次，我有一个过程，为每个图像检索一个张量，用这个代码建议填充数据。
但是我遇到了试图合并所有这些张量的问题，函数concat的文档还不清楚如何实现它，此时我的代码如下所示：
std::vector<tensorflow::Tensor> inputTensorVector;
for(cv::Mat image: images){
inputTensorVector.push_back(create_vector(image));
}
tensorflow::Tensor input(tensorflow::DT
浏览 1提问于2019-08-05得票数 2
如何仅使用Tensorflow操作根据自定义比较函数对形状为n,2的整数的Tensorflow张量进行排序？
假设张量中的两个条目是x1，y1和x2，y2。我希望对张量进行排序，以便按照条件x1 * y2 > x2 * y1对条目进行重新排序。
浏览 0提问于2018-05-03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
即时通信 IM
实时音视频活动推荐
腾讯云开发者
