如何创建给定形状和间隔的张量？
创建给定形状和间隔的张量可以通过以下步骤进行：
- 导入相关的机器学习库，如TensorFlow或PyTorch。
- 定义需要创建的张量的形状和间隔。
- 根据定义的形状和间隔，使用库中提供的函数创建张量。
例如，在TensorFlow中，可以使用tf.linspace函数创建一个给定形状和间隔的张量。该函数的参数包括开始值、结束值和要创建的元素数量。以下是一个示例代码：
import tensorflow as tf
# 定义需要创建的张量的形状和间隔
shape = (3, 4) # 张量形状为3行4列
start = 0
stop = 10
# 使用tf.linspace创建张量
tensor = tf.linspace(start, stop, shape[0]*shape[1])
# 打印创建的张量
print(tensor)对于上述示例代码，我们定义了一个形状为3行4列的张量，并指定了开始值为0，结束值为10。然后使用tf.linspace函数创建张量，并将结果存储在tensor变量中。最后，打印tensor变量的值。
请注意，以上示例代码中使用的是TensorFlow库，如果使用PyTorch或其他机器学习库，可以根据库的语法和函数来创建给定形状和间隔的张量。
相关链接：
- TensorFlow文档：tf.linspace
相关·内容
我需要一个形状为[3136, 512]的张量，其中我更新了随机值，其中列在随机生成的列索引列表中。
我的意思是，我用所有的0和形状[3136, 512]创建一个张量，用410元素创建一个列表，它表示以前创建的张量的列索引，然后我有一个[3136, 410]形状的张量，它包含我想要更新的第一个张量的值。问题是，我需要将索引列表的第一个值映射到张量更新的第0列。
示例：
生成410个随机列索引，完成.
将它们转换为张量，完成。
用值initial_weightrow更新tensor_testingrow，其中colonna不是
Initial_weights(所以，它不是0，1，2，3，4…)但是
浏览 4提问于2021-11-06得票数 0
回答已采纳
假设我在Tensorflow中有一个形状[3,4,4]的张量，它不是明确知道的。如何将其形状更改为[3,4,4,1]
我尝试使用重塑函数，但因为我不清楚张量形状，所以不能直接使用。
浏览 0提问于2019-02-26得票数 1
C中有TF_GraphGetTensorShape，但是接口与C++ Graph和Output不兼容。如何使用tensorflow C/C++ API做同样的工作？
例如。如何使用Slice API获得C++操作返回的张量形状，然后使用该张量形状生成具有相同形状的variable？
浏览 0提问于2018-07-06得票数 5
回答已采纳
1回答
烟囱尺寸必须完全相同吗？
、、、
在“火把”中，给定形状的张量( a of (1X11) )和形状的张量( b of (1X11) )，torch.stack((a,b),0)会给出形状(2X11)的张量。
然而，当a为形状(2X11)而b为形状(1X11)时，torch.stack((a,b),0)将引起错误cf。“两个张量大小必须完全相同”。
因为这两个张量是模型的输出(梯度包括)，所以我不能将它们转换为numpy来使用np.stack()或np.vstack()。
是否有任何可能的解决方案，至少GPU内存使用？
浏览 0提问于2018-05-17得票数 8
回答已采纳
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
给定的
batch_images：(B, H, W, C)形状的4D张量
x：(B, H, W)形状的三维张量
y：(B, H, W)形状的三维张量
目标
如何利用batch_images和x坐标进行索引，得到形状为4D的B, H, W, C张量。也就是说，我想为每一批得到一个张量，对于每对(x, y)，得到一个形状的C张量。
例如，在numpy中，可以使用input_img[np.arange(B)[:,None,None], y, x]实现这一点，但我似乎无法使它在tensorflow中工作。
我的尝试到目前为止，
def get_pixel_value(img, x,
浏览 1提问于2017-01-06得票数 1
回答已采纳
我试图用形状shape=(30,4200)从一个张量AAA和shape=(30,4201)和type= float32创建两个张量。
在运行几个不同更改的代码后，此错误将再次出现。
如何选择正确的张量形状？
浏览 1提问于2019-08-20得票数 1
回答已采纳
1回答
我有两个PyTorch张量A，形状30，11，32，64和B，形状30，11，89。我的目标是创建一个形状为30，11，89，32，64的张量C，其中张量A应该扩展并在第三维复制，然后在适当的维度与张量B相乘。 如何在PyTorch中实现这一点？
浏览 21提问于2020-01-14得票数 1
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
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
我试图编写一块可重用的代码，读取一个张量的形状，然后使用生成的对象来定义其他张量的形状。我可以选择用tf.shape(tensor)读取张量的动态形状，或者用tensor.get_shape()读取张量的静态形状。玩具示例如下(有两种不同的策略)：
def my_function_strategy_1(x, y):
x_shape = tf.shape(x)
a = tf.reshape(y, x_shape)
b = tf.zeros(x_shape)
num_x_values = x_shape[0]
c = tf.reshape(y, [num_x
浏览 1提问于2018-02-28得票数 2
回答已采纳
1回答
给定类型为a, b, c, d 4的tf.int和[1]张量，获得张量X的最简单方法是：
X有形状[h, w]，
X在任何地方都是0，除了行( a < b )和列( c < d )之间，它等于1。
浏览 0提问于2018-03-11得票数 0
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
Pytorch提供torch.topk(input, k, dim=None, largest=True, sorted=True)函数来计算给定维数dim上给定input张量的k最大元素。
我有一个(16, 512, 4096)形状的张量，我使用torch.topk的方式如下-
# inputs.shape (16L, 512L, 4096L)
dist, idx = torch.topk(inputs, 64, dim=2, largest=False, sorted=False)
# dist.shape (16L, 512L, 64L), idx.shape (16L, 512L, 6
浏览 0提问于2018-09-01得票数 2
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
在中，它说：
在TensorFlow中，张量既有静态(推断)形状，也有动态(真)形状。静态形状可以使用tf.Tensor.get_shape()方法读取:该形状是从用来创建张量的操作推断出来的，并且可能是部分完成的。如果静态形状未完全定义，则可通过计算tf.shape(t)来确定张量t的动态形状。
但是，我仍然不能完全理解静态形状和动态形状之间的关系。是否有例子显示他们的不同之处？谢谢。
浏览 3提问于2016-05-08得票数 63
回答已采纳
我的图像是478x717x3= 1028178像素，等级为1。我通过调用tf.shape和tf.rank来验证它。
当我调用image.set_shape(478,717，3)时，它会引发以下错误。
"Shapes %s and %s must have the same rank" % (self, other))
ValueError: Shapes (?,) and (478, 717, 3) must have the same rank
我再次测试了第一次转换为1028178，但错误仍然存在。
ValueError: Shapes (1028178,) and (4
浏览 3提问于2016-02-17得票数 35
回答已采纳
问题
我从二进制数据库读取数据，其中一部分是图像掩码和图像本身内的坐标(x，y)。当我知道图像的形状和坐标时，面具本身就很容易创建。基本上，我只需要创建一个空的掩码，图像所定义的形状，读取，并设置像素为一个在给定的坐标。所以我基本上想要的是这样的东西：
import tensorflow as tf
import numpy as np
# coord read from binary file
x = tf.constant([1])
y = tf.constant([1])
# shape is taken from another image read from binary fil
浏览 5提问于2016-05-24得票数 2
回答已采纳
2回答
当传递到tf.train.batch时，看起来必须严格定义元素的形状，否则，如果存在形状Dimension(None)的张量，它会抱怨All shapes must be fully defined。那么，如何在不同大小的图像上进行培训呢？
浏览 2提问于2017-07-17得票数 3
回答已采纳
1回答
不幸的是，我未能找到实现以下目标的功能：
投入：
测试:目标内可能存在的值的张量。
目标:值的张量
产出：
输出:布尔张量，形状与测试相同。output[i] = targets.contains(test[i])
简单地说:我需要测试张量的元素是否包含在另一个张量中。
浏览 1提问于2016-01-04得票数 1
回答已采纳
2回答
我的输入数据是None，2,100，基本上我有一组2单元格数组，每个数组包含大小为100的向量。我希望通过一个单独的输入层运行每个向量，在该层之后将结果连接到一个向量中。
我的问题如下:给定一个形状为None，2100的张量，如何将其转换为无号、100号的张量？然后，给出两个张量，大小为None，50，我如何将它们连接成大小为None，100的张量？
提前谢谢。
浏览 1提问于2016-11-17得票数 2
回答已采纳
给定张量形状(3,256,256)。我想逐个像素地卷积或循环它，以返回张量形状(1,256,256)。
这可能听起来有点令人困惑，所以这是我到目前为止的代码，所以你知道我的意思。
class MorphNetwork(nn.Module):
def __init__(self):
super().__init__()
self.fc1 = nn.Linear(3, 8)
self.fc2 = nn.Linear(8, 1)
def forward(self, x):
# The input here is sh
浏览 7提问于2020-05-07得票数 0
回答已采纳
关于打印，有人建议我在HasDynamicTensorImpl函数中添加一个。不幸的是，我找不到关于这个函数的相关文档。有人知道它是如何工作的吗?或者有人知道如何检查图中是否存在动态大小的张量？
(我已经检查了每个形状，它们都定义得很好，如果您在中可视化模型，您可以看到)
浏览 0提问于2021-03-31得票数 1
我有两个张量:张量a有形状(n, 1)，张量b有形状(p, q)，其中p和q都很小，但是n很大。我想把它们的“外积”张量c作为形状为(n, p, q)的张量，这样它的元素是
c[i, j, k] = a[i, 0] * b[j, k]
我应该如何使用tensorflow/keras广播或函数来实现这一点而不需要循环呢？
浏览 2提问于2020-02-28得票数 1
回答已采纳
我使用Python3.7和Python2.0，我有以下问题。在给定的任意维张量中，如果我想找到最小权值的p% (其中，p可以是用户输入)，我如何做到这一点？
示例：
x = tf.random.normal(shape=(3, 2, 2))
x.numpy()
Out[8]:
array([[[-0.30938825, 0.40093166],
[ 1.5417175 , -0.
浏览 1提问于2020-02-20得票数 1
回答已采纳
1回答
给定两个2-D pytorch张量：
A = torch.FloatTensor([[1,2],[3,4]])
B = torch.FloatTensor([[0,0],[1,1],[2,2]])
有没有一种有效的方法来计算形状(6，2，2)的张量，其中每个条目是一列A乘以每行B
例如，对于上面的A和B，3D张量应该具有以下矩阵：
[[[0, 0],
[0, 0]],
[[1, 1],
[3, 3]],
[[2, 2],
[6, 6]],
[[0, 0],
[0, 0]],
[[2, 2],
[4, 4]],
[[4, 4],
[8, 8]]]
我知
浏览 2提问于2021-01-19得票数 2
我正在使用tf.nn.dynamic_rnn类创建一个LSTM。
在深入研究了SO和TensorFlow的GitHub页面之后，我发现有些人提到我应该编写自己的LSTM单元格，该单元格返回作为LSTM的output的一部分打印的任何内容。然而，这对我来说似乎并不简单，因为隐藏状态和LSTM的输出并不具有相同的形状。
LSTM的输出张量具有形状[16, 1]，隐藏状态是形状[16, 16]的张量。将它们连接在一起会产生形状为[16, 17]的张量。当我试图返回它时，我得到了一个错误，说一些形状op需要一个形状为[16,1]的张量。
有谁知道解决这种情况的更简单的方法吗？我想知道是否可以使用tf.
浏览 3提问于2018-05-21得票数 0
给定一个3阶张量：
sentence_max_length = 5
batch_size = 3
n_hidden = 10
n_classes = 2
x = tf.constant(np.reshape(np.arange(150),(batch_size,sentence_max_length, n_hidden)), dtype = tf.float32)
和一个秩2张量：
W = tf.constant(np.reshape(np.arange(20), (n_hidden, n_classes)), dtype = tf.float32)
和一个秩1偏差张量：
b = tf.con
浏览 1提问于2017-05-25得票数 5
1回答
张量的访问元素
、、、、
我有以下TensorFlow张量。
tensor1 = tf.constant(np.random.randint(0,255, (2,512,512,1)), dtype='int32') #All elements in range [0,255]
tensor2 = tf.constant(np.random.randint(0,255, (2,512,512,1)), dtype='int32') #All elements in range [0,255]
tensor3 = tf.keras.backend.flatten(tensor1)
ten
浏览 6提问于2020-05-16得票数 2
回答已采纳
1回答
我想要图形可视化标记边与张量尺寸，边缘厚度，以反映总张量大小。与用编写的基本相同
当序列化的GraphDef包含张量形状时，图形可视化器用张量尺寸标记边缘，边缘厚度反映张量的总尺寸。要在GraphDef中包含张量形状，在序列化图形时将实际的图形对象(如sess.graph中的图形)传递给FileWriter。下面的图像显示了具有张量形状信息的CIFAR-10模型：
我将图形对象传递给我的summary.FileWriter：
writer = tf.summary.FileWriter(_dir_tensorboard, graph=sess.graph, flush_sec
浏览 0提问于2018-10-08得票数 0
回答已采纳
1回答
如何在Deeplearnjs中创建一个图形元素，将h，w，d形状张量转换为d形状的张量，其中每个都是该层的最大值。如果h和w相同，则可以使用maxpool函数完成此操作。如果我的意思是一样的话。平均值可以使用conv2d来实现，但只有在w和h相等的情况下。
我需要一个图表，这样我就可以应用训练。
浏览 9提问于2018-01-08得票数 0
回答已采纳
1回答
我有为图像生成特征地图的连体网络，如何使用Keras获得这些特征地图的点积？
input_a = Input(input_size)
input_b = Input(input_size)
fe_net_a = model(input_a)
fe_net_b = model(input_b)
例如，如果fe_net_a和fe_net_b的输出张量具有形状(1，17，17,1024)，如何创建将产生形状为(1，17，17)的张量的层，取最后一个轴的点积？
浏览 1提问于2017-06-08得票数 7
我试图构造我的参数，以便它们能够正确地使用tf.map_fn()，但是大多数示例文档只讨论与函数参数形状相同的数组或张量。
链接包括：
我的具体例子是:我有一些tensorflow函数，它期望None，2和x，y作为参数张量形状。
张量A的形状为batch_size，x*y，2
张量B的形状为batch_size，x，y
lambdaData = (tensorA, tensorB)
lambdaFunc = lambda x: tensorflowFunc(x[0], x[1])
returnValues = tf.map_fn(lambdaFunc, lambdaData)
来自tens
浏览 5提问于2017-12-26得票数 3
1回答
我有张量x of (10,2)
我有张量y的(10，)
张量y_pred of (10，)
我想用如下公式计算张量dw，形状为(2,1)。
设dw1和dw2是张量dw中的元素。
tf.reduce_sum(x1 * (y - y_pred)) * (-2/n)
在哪里，
x1 =张量x第1列
n =标量
tf.reduce_sum(x2 * (y - y_pred)) * (-2/n)
在哪里，
x2 =张量x的第二列
n =标量
然而，张量x将具有动态形状..
如果张量x有一个形状(10,3)
dw的形状为(3,1)
在ML方面，我正在计算损失函数w.r.t权重的梯度。
损失函数为MSE。
浏览 3提问于2020-08-20得票数 0
回答已采纳
1回答
基于秩张量的三维张量映射
、、、
我有一个叫做秩的张量，它的形状是2x3，如下所示：
tensor([[ 0, 1, 2],
[ 2, 0, 1])
我想构造一个2X3x3矩阵，其中内部矩阵最初使用torch.zeros(2,3,3)填充到所有零。对于与秩张量中的值相对应的最后维指数，我希望将最后维更新为值1。使用在等级中给定的指数。
最后产出：
tensor([
tensor([[1, 0, 0],
[0, 1, 0],
[0, 0, 1]],
tensor([[[0, 0,
浏览 5提问于2022-08-08得票数 -1
回答已采纳
1回答
我有两个张量的火把，这些形状：
torch.Size(64,100)和torch.Size(64,100,256)
我想通过torch.cat把它们连接起来，但是它们应该是相同的形状和大小。所以我得到了这个错误：
RuntimeError:张量必须具有相同的维数: got 2和3
我该怎么做才能解决这个问题？如何将二维PyTorch张量转换为三维张量，或者如何在不丢失任何数据的情况下将三维PyTorch张量转换成二维张量？或者其他的想法？
浏览 5提问于2021-12-07得票数 0
回答已采纳
1回答
毕氏张量标引
、、
我目前正致力于将一些代码从tensorflow转换为py手电筒，我遇到了 func的问题，没有直接的函数来转换它。
我想做的基本上是索引，我有两个张量，特征张量形状的[minibatch, 60, 2]和索引张量[minibatch, 8]，比如第一个张量是张量A，第二个张量是B。
在Tensorflow中，它直接用tf.gather(A, B, batch_dims=1)转换
我如何在火把中实现这一点？
我尝试过A[B]索引。这似乎不管用
A[0]B[0]可以工作，但形状的输出是[8, 2]
我需要[minibatch, 8, 2]的形状
如果我像[stack, 8, 2]那样叠加张量，它可
浏览 1提问于2019-07-17得票数 3
回答已采纳
有没有一种方法可以直接更新tf.Variable X中的元素，而不创建与X形状相同的新张量？
创建了一个新的张量，因此它似乎没有更新原始的tf.Variable。
此操作通过对输入张量应用稀疏更新来创建新的张量。
显然需要一个形状相同的新张量value来更新tf.Variable X。
assign(
value, use_locking=False, name=None, read_value=True
)
值A张量。此变量的新值。
浏览 2提问于2021-05-03得票数 1
回答已采纳
1回答
我有两个形状相同的PyTorch张量A和B，我想创建一个形状相同的“随机混合”张量C，其中Ci，... = Ai，...概率α或Bi，..。概率为1-α。有没有什么Pythonic式的方法可以简洁地完成这个任务？
浏览 3提问于2020-11-27得票数 1
我有一个任意形状的张量。我想要创建一个同样形状的第二个张量，但是填充一些值c，这样我就可以将它们成对地相乘。我现在有以下代码。input是具有预定形状和任意值的张量。
input_size = tf.size(inputs)
mult = [c]*input_size
mult = tf.reshape(mult, shape = inputs.shape)
tf.reduce_prod([inputs, mult], axis = 0, keep_dims = True)
这个当前代码有两个问题。首先，mult最初不是作为张量创建的，所以我不能仅仅表示just = inputs.shape。
浏览 3提问于2017-08-24得票数 0
回答已采纳
我有一个形状为32,768的二维张量，也有一个三维张量为32,512,768。我想把它们堆叠起来，输出的形状是32,512,1536。 如果我在axis=1展开2d和concat的维度。我得到了32,513,768。那么如何获得32,512,1536作为张量的输出形状呢？
浏览 350提问于2021-08-24得票数 0
1回答
我有一个形状为(?,4)的张量weights和一个形状为(?,4,1024)的张量embeddings。 我想通过根据相应的weights对embeddings的每一行中的4个张量进行加权平均来压缩张量，最终产生形状为(?,1024)的张量output。 我该怎么做呢？我尝试使用output = tf.tensordot(weights, embeddings, axes = [1,1])，但结果产生了一个形状为(?,?,1024)的张量。
浏览 12提问于2019-06-21得票数 1
回答已采纳
我可以在python中获取形状并读取张量本身，但只能使用android tflite中的tflite.getOutputTensor(0).shape()和tflite.getInputTensors(0).shape()获取张量的形状。我在python中使用.get_tensor(nodevalue)读取张量，但是在android中我该如何做呢？
浏览 1提问于2021-02-14得票数 0
1回答
Theano/numpy高级索引
、、、、
我有一个4d theano张量(例如，形状为(1700，16,95000) )和一个形状为(1700，16,1024)的4d ' mask‘张量，使得mask中的每个元素都是我需要的原始张量的索引。如何使用掩码来索引张量？像samplemask或sample:，mask这样的东西似乎并不能真正起作用。
我也尝试使用二进制掩码，但由于张量相当大，我得到了一个“设备内存不足”异常。
关于如何从张量中获取索引的其他想法也将非常感谢。
谢谢
浏览 1提问于2016-04-21得票数 1
2回答
我正在通过Pytorch，并希望在区间[3，7]中创建一个形状为5X3的随机张量。 torch.rand(5, 3 )将返回一个形状为5X3的随机张量，但是，我无法计算出如何设置给定的间隔。 请指点一下。
浏览 11提问于2021-01-08得票数 0
回答已采纳
给定形状的张量input (5，2，2)：
tensor([[[ 0, 1],
[ 2, 3]],
[[ 4, 5],
[ 6, 7]],
[[ 8, 9],
[10, 11]],
[[12, 13],
[14, 15]],
[[16, 17],
[18, 19]]])
和形状的张量index (2,2)：
tensor([[4, 3],
[4, 2]])
如何获得以下输出：
tensor([[16, 13]
浏览 0提问于2021-06-18得票数 3
回答已采纳
1回答
加速张量连接
、、、
我需要连接一长串小张量。每个小张量都是给定的(非常简单的)常量矩阵的一个切片。代码如下：
<code>A0</code>
这需要很长时间。有没有一种方法可以有效地并行化edge_delay_buf中每个元素的创建？我尝试过多种变体，比如用列表串联替换for循环，结果是一个列表列表，然后扁平列表并在扁平列表上应用torch.cat。然而，它并没有得到很大的改善。由于某些原因，切片操作花费的时间太长。
有没有办法让切片更快？有没有办法让循环更高效/更并行？
注意:当我在这个例子中使用torch时，我也可以使用numpy。注2:我很抱歉在另一个论坛上发表了重复的帖子。
浏览 17提问于2020-07-31得票数 0
1回答
我在C++中使用了C++，使用自定义训练的模型来进行预测。我可以加载这个模型，对单个图像进行预测，它返回这个张量类型：
Tensor<type: float shape: [1,22] values: [0.00760295521 9.67324567e-08 4.19238063e-07]...>
我可以通过使用另一个TensorFlow会话从这个表中创建最大值指示符来提取预测类，就像在中所做的那样。
现在，我尝试对图像进行批量处理，总是做预测，一切都很好，但是我有一个输出张量：
Tensor<type: float shape: [2,22] values: [0.007
浏览 0提问于2018-03-10得票数 0
回答已采纳
1回答
矢量成对距离
、、、、
TLDR：给定两个张量t1和t2，它们表示具有形状c,h,w的张量的b样本(即每个张量都有形状b,c,h,w)，我试图有效地计算出所有i、<code>d10<//代码>的t1[i]和t2[j]之间的成对距离。
更多的上下文--我已经为我的火车和测试数据(CIFAR10)提取了k激活，并且我正在尝试实现k--最近的邻居。一个可能的伪代码可能是：
for te in test_activations:
distances = []
for tr in train_activations:
distances.append(||te-tr||
浏览 6提问于2022-06-08得票数 1
我想在tensorflow示例中从给定的inceptionV3中进行转移学习。按照分类图像示例和这里给出的操作符和张量名称，，我可以创建我的图形。但是，当我将一批大小的图像(100、299、299、3)放在预计算的初始图中时，我在pool_3层得到以下形状错误：
ValueError: Cannot reshape a tensor with 204800 elements to shape [1, 2048] (2048 elements)
这个inceptionV3图似乎不接受图像批处理作为输入。我错了吗？
浏览 10提问于2016-02-08得票数 4
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
实时音视频
即时通信 IM
对象存储活动推荐
腾讯云开发者
