如何在急切模式下遍历tf.tensor
在急切模式下遍历tf.tensor，可以使用tf.data.Dataset.from_tensor_slices()方法将tf.tensor转换为tf.data.Dataset对象，然后使用for循环遍历该数据集。
具体步骤如下：
- 导入所需的库：
import tensorflow as tf- 创建一个tf.tensor对象：
tensor = tf.constant([1, 2, 3, 4, 5])- 将tf.tensor转换为tf.data.Dataset对象：
dataset = tf.data.Dataset.from_tensor_slices(tensor)- 使用for循环遍历tf.data.Dataset对象：
for element in dataset:
print(element.numpy())在上述代码中，通过调用tf.data.Dataset.from_tensor_slices()方法，将tf.tensor对象转换为tf.data.Dataset对象。然后，使用for循环遍历该数据集，通过element.numpy()可以获取每个元素的值。
这种方法适用于在急切模式下遍历tf.tensor，可以方便地处理大规模数据集，并进行各种数据预处理和模型训练。
推荐的腾讯云相关产品：腾讯云AI智能图像处理（https://cloud.tencent.com/product/aiimage）提供了丰富的图像处理能力，可以与TensorFlow等深度学习框架结合使用，实现图像数据的处理和分析。
相关·内容
我试过这样做：
>>> import tensorflow as tf
>>> mul = tf.multiply(50,100)
>>> div = tf.divide(mul,50)
>>> mul
<tf.Tensor 'Mul_3:0' shape=() dtype=int32>
>>> div
<tf.Tensor 'truediv_2:0' shape=() dtype=float64>
>>> import tenso
浏览 2提问于2019-02-22得票数 10
回答已采纳
1回答
给定一个具有固定大小的TensorArray和具有统一形状的条目，我想转到包含相同值的张量，简单地将TensorArray的索引维度作为正则轴。
TensorArrays有一个名为"gather“的方法，据说应该这样做。实际上，下面的示例是可行的：
array = tf.TensorArray(tf.int32, size=3)
array.write(0, 10)
array.write(1, 20)
array.write(2, 30)
gathered = array.gather([0, 1, 2])
"gathered“然后产生所需的张量：
tf.Tensor([1
浏览 0提问于2021-01-26得票数 2
我正在尝试理解急切的执行。谷歌返回的页面描述了它为你做了什么，我对此没有意见。我试图从程序代码的角度来理解它。这里有一个来自this article的例子。 a = tf.constant([[1,2],[3,4]]) 这篇文章说，根据你是否处于渴望模式，这条语句做了一些不同的事情。在不使用eager模式的情况下，print(a)提供： Tensor("Const:0", shape=(2, 2), dtype=int32) 对于eager模式，print(a)提供： tf.Tensor(
[[1 2]
[3 4]], shape=(2, 2), dtype=int32)
浏览 15提问于2019-09-26得票数 0
我希望在pct < 0.75时使用原点稀疏张量(tf.IndexedSlices类型)，否则使用密集张量(tf.Tensor类型，由tf.convert_to_tensor创建)。这是代码
def fn1():
return tf.convert_to_tensor(sparse_gradient)
def fn2():
return sparse_gradient
final_gradient = tf.cond(tf.less(pct, tf.constant(value=0.75, dtype=tf.float64)), fn1, fn2)
但是，tf.cond需
浏览 1提问于2022-01-04得票数 1
1回答
当以Tensorflow张量为参数调用any /numpy特殊函数时，是否存在性能成本？而不是使用tensorflow.math提供的函数
我之所以问这个问题，是因为有些特殊的功能可以在not上使用，而在Tensorflow (例如scipy.special.erfcx)上则没有。我认为Tensorflow提供了tensorflow.math中的函数，而不是建议直接使用numpy或scipy，因为这样可以加快速度吗？
编辑：注意到我试图使用@tf.function
import scipy.special
import tensorflow as tf
@tf.function
def er
浏览 7提问于2020-01-06得票数 1
在非急切模式下，我可以在没有问题的情况下运行这个程序：
s = tf.complex(tf.Variable(1.0), tf.Variable(1.0))
train_op = tf.train.AdamOptimizer(0.01).minimize(tf.abs(s))
with tf.Session() as sess:
sess.run(tf.global_variables_initializer())
for i in range(5):
_, s_ = sess.run([train_op, s])
print(s_)
>
浏览 1提问于2019-09-22得票数 1
我试图通过一些调整来实现“注意就是你所需要的一切”的时间序列，但是我得到了这个错误：
OperatorNotAllowedInGraphError:不允许在tf.Tensor上迭代: AutoGraph确实转换了这个函数。
代码：
import tensorflow as tf
from tensorflow import keras
class Attention(tf.keras.layers.Layer):
def __init__(self, dk, dv, num_heads, filter_size):
super().__init__()
浏览 5提问于2021-08-03得票数 2
回答已采纳
1回答
我用tensorflow 2编写了一个函数，并使用tf.keras编写了一个模型。该职能定义如下：
@tf.function
def mask_output(input_tensor,mask):
if tf.math.count_nonzero(mask) > 0:
output_tensor = tf.multiply(input_tensor, mask)
else:
output_tensor = input_tensor
return output_tensor
我给出的两个参数是模型中的张量。但是，当我定义模型并在模型定
浏览 1提问于2020-02-06得票数 2
回答已采纳
我正在尝试实现Tensorflow ，一种基于Transformers的语义分割模型。我正在跟踪，以便在tf.keras 2.5中实现它。
当我试图构建一个只有一个阶段的简单版本时，我会得到以下错误。
OperatorNotAllowedInGraphError:在图形执行中不允许在tf.Tensor上迭代。使用急切的执行或者用@tf.function来装饰这个函数。
问题是我不知道这个错误是从哪里来的。我已经实现了，它有一个稍微相同的体系结构，没有错误。环路
src/model/主干/mit.py:438调用*输入=blk(输入)
whihc似乎是错误的根源来自于我对Conv
浏览 6提问于2021-10-01得票数 0
我正在学习深度神经网络(初学者水平)。@tf.function在tensorflow中的用途是什么？例如
@tf.function
def add(a,b):
c=tf.add (a,b)
print(c)
return(c)
有谁能解释一下这种编码方式是如何帮助创建网络的？
浏览 12提问于2022-06-11得票数 0
之前，在另一篇文章()中，我讨论了我遇到的问题。最后，以这种方式解决了这个问题：
def MyLoss(true1, true2, out1, out2, out3):
loss1 = tf.keras.losses.someloss1(out1, true1)
loss2 = tf.keras.losses.someloss2(out2, true2)
loss3 = tf.keras.losses.someloss3(out2, out3)
loss = loss1 + loss2 + loss3
return loss
input1 = Inpu
浏览 0提问于2021-05-10得票数 1
回答已采纳
1回答
我正在从这个github 学习Tensorflow，这里是一个简单的教程
import numpy as np
import tensorflow as tf
x = tf.constant([[1, 1],
[1, 1]])
y = tf.constant([[2, 4],
[6, 8]])
# Add two tensors
print(tf.add(x, y), "\n")
# Add two tensors
print(tf.matmul(x, y), "\n")
我期望的是
t
浏览 4提问于2022-02-18得票数 1
回答已采纳
1回答
我在下面的例子中观察到的行为让我感到困惑： import tensorflow as tf
@tf.function
def f(a):
c = a * 2
b = tf.reduce_sum(c ** 2 + 2 * c)
return b, c
def fplain(a):
c = a * 2
b = tf.reduce_sum(c ** 2 + 2 * c)
return b, c
a = tf.Variable([[0., 1.], [1., 0.]])
with tf.GradientTape() as tape:
浏览 24提问于2021-09-10得票数 3
回答已采纳
我是TensorFlow新手，我试图了解种子生成是如何工作的(主要是函数)，我的困惑是如果我在我的主程序中运行这段代码：
a = tf.random.uniform([1], seed=1)
b = tf.random.uniform([1], seed=1)
print(a)
print(b)
我得到了这个输出
tf.Tensor(0.2390374，shape=(1，)，dtype=float32)
tf.Tensor(0.22267115，shape=(1，)，dtype=float32)
两个不同的张量(很明显)，但是如果我试图从一个函数调用它：
@tf.function
def fo
浏览 7提问于2022-07-29得票数 1
回答已采纳
现在我遇到了这个错误，有没有人能帮我解决呢？ ---------------------------------------------------------------------------
OperatorNotAllowedInGraphError Traceback (most recent call last)
<ipython-input-24-0211c82920d0> in <module>
7 warnings.filterwarnings("ignore")
8 model.trai
浏览 159提问于2019-12-12得票数 14
我是Python和AI的新手。我正在试着做一个问候世界的人工智能。
但是我有一个关于代码的问题。路径为"C:\ABC\AAC\data\as001.jpg“|| "C:\ABC\AAC\data\wb001.jpg”
import numpy as np
import tensorflow as tf
import matplotlib.pyplot as plt
import os
import pathlib
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import
浏览 27提问于2020-05-27得票数 1
当我对模型类进行子类时，我遇到了一些问题，试图计算自定义train_step()中计算的张量。当我在Tensor.numpy()内部传递run_eagerly = True时，我可以使用model.compile(...)，但据我所知，这是没有效率的。我已经尝试了其他一些建议，比如使用Tensor.eval() (没有默认会话)、backend.get_values(Tensor) (张量没有属性numpy())等等，但都没有成功。我有一个简单的例子，说明我想要达到的目标如下：
class CustomModel(keras.Model):
def __init__(self, **kwar
浏览 0提问于2021-06-16得票数 2
假设我有一个20形状的Tensorflow张量l，这10个坐标被包装成[x1,y1,x2,y2,...]。我需要访问[x1,x2,...]和[y1,y2,...]来修改它们的值(例如，旋转、缩放、移位)，然后重新打包为[x1',y1',x1',y2',...]。
我可以，tf.reshape(l, (10, 2))，但是我不确定是使用还是，参数应该是什么。何时应该使用拆分而不是堆栈？然后，如何重新打包修改后的值，使其保持原来的格式？
浏览 0提问于2018-04-26得票数 1
回答已采纳
我尝试手动创建逻辑回归模型，但GradientTape返回NoneType梯度 class LogisticRegressionTF:
def __init__(self,dim):
#dim = X_train.shape[0]
tf.random.set_seed(1)
weight_init = tf.initializers.VarianceScaling(scale=1.0, mode="fan_avg", distribution="uniform", seed=1)
zero
浏览 11提问于2020-01-29得票数 0
回答已采纳
我有一个keras模型，当我从keras导入子模块(层、后端函数)时，它工作得很好。但是，如果我从tensorflow.keras导入这些模型，那么相同的模型就会中断。
下面是一个例子，说明了这个问题：
if True:
from keras import backend as K
from keras.models import Model
from keras.layers import Input, Lambda
from keras.preprocessing.image import ImageDataGenerator
else:
from tensorflow
浏览 0提问于2019-01-17得票数 3
我试图利用TensorFlow 2.0的自动区分来自动计算金融工具的某些梯度。一般情况下，这涉及到各个“基准点”之间的分段插值方案。最简单的例子如下：
import tensorflow as tf
MATURITIES = tf.constant([1.0, 2.0, 3.0, 5.0, 7.0, 10.0, 12.0, 15.0, 20.0, 25.0])
CASH_FLOW_TIMES = tf.constant([n * 0.5 for n in range(1, 51)])
YIELDS = tf.Variable([0.04153733, 0.04
浏览 0提问于2019-08-13得票数 5
回答已采纳
下面提到的是我的代码行。第1行初始化自定义VGG16模型(所有最大池层被平均池替换)。行也初始化目标。第三行表示损失函数，第四行是抛出错误的线。
content_model = VGG16_AvgPool_CutOff(shape, 11)
target = K.variable(content_model.predict(x))
loss = K.mean(K.square(target - content_model.output))
grads = K.gradients(loss, content_model.input)
错误：
tf.gradients is not support
浏览 5提问于2020-12-01得票数 1
1回答
我正面临着一个问题，我似乎找不到其他地方的解决办法，所以我决定在这里张贴我的问题(我对tensorflow有基本知识，但很新)：
我用python编写了一个简单的代码来说明我想要做的事情。
import tensorflow as tf
def generated_dict():
graph = {'input': tf.Variable(2)}
graph['layer_1'] = tf.square(graph['input'])
graph['layer_2'] =
浏览 3提问于2020-12-14得票数 0
回答已采纳
我制作了如下简单的数据集。
x_data = [[0, 0],
[0, 1],
[1, 0],
[1, 1]]
y_data = [[0],
[1],
[1],
[0]]
我用from_tensor_slices对它进行切片：(我不知道张量切片函数的确切作用.)
dataset = tf.data.Dataset.from_tensor_slices((x_data, y_data)).batch(len(x_data))
当我使用print函数打印数据集时，如下所示：
&l
浏览 4提问于2021-08-19得票数 1
回答已采纳
假设我有以下变量x，我希望将1赋值给所有的零。
x = tf.random.poisson((3,5), 1)
idx = x == 0
y = tf.Variable(tf.zeros_like(x, dtype=tf.float32))
y[idx] = 1.0
当我尝试y[idx].assign(1.0)时，我得到了错误：AttributeError: 'tensorflow.python.framework.ops.EagerTensor' object has no attribute 'assign'。
我也尝试了以下的其他变体，但没有运气：
y[i
浏览 1提问于2020-05-16得票数 0
回答已采纳
y = tf.einsum('aij,jk->aik', x, W) + b
y.shape返回以下内容：
tf.Tensor 'text-representation/add:0' shape=(?, 80, 256) dtype=float32
如何将80x256数组放入numpy数组？我是tensorflow的新手，正在苦苦挣扎。谢谢。
浏览 3提问于2018-08-31得票数 0
我要检查一个元素是否包含在张量中，我会遇到问题。
例如1
def foo(a):
if 5 in tf.constant([5, 7, 9]):
tf.print(a)
foo(2)
# you'll get '2', and no erros
例如2
@tf.function
def foo(a):
if 5 in tf.constant([5, 7, 9]):
tf.print(a)
foo(2)
# you'll get erros like "TypeError: argument of t
浏览 3提问于2021-05-11得票数 0
回答已采纳
def train_one_step():
with tf.GradientTape() as tape:
a = tf.random.normal([1, 3, 1])
b = tf.random.normal([1, 3, 1])
loss = mse(a, b)
tf.print('inner tf print', loss)
print("inner py print", loss)
return loss
@tf.function
def train():
浏览 1提问于2019-05-25得票数 4
回答已采纳
1回答
我正在使用tf1代码作为开发模型的参考。在参考代码中，他们使用tf.placeholder向模型提供输入，代码是
class model(object):
def __init__(self, lstm_size, batch_len, output_nodes, keep_prob, learning_rate=0.001):
self.inputs_ = tf.compat.v1.placeholder(tf.float32, shape=[batch_len, None, 512], name='lstm_inputs')
self
浏览 8提问于2022-05-19得票数 0
回答已采纳
当我们需要逐个样本提供数据时，通过dataset管道动态地输入数据的新方法(在急切的执行下)是什么？
我有一个tf.data.Dataset，它执行一些预处理步骤，并从生成器读取数据，在培训期间从大型数据集中提取数据。
假设dataset表示为：
ds = tf.data.Dataset.from_tensor_slices([1, 2, 3, 4, 5, 6])
ds = ds.map(tf.square).shuffle(2).batch(2)
iterator = tf.data.make_one_shot_iterator(ds)
经过培训，我想要产生各种可视化，这要求我一次给一个样本
浏览 1提问于2019-07-08得票数 3
回答已采纳
我有一个带有输入管道的应用程序，它使用图像和标签的tf.data.Dataset。现在，我想使用增强，并且我尝试使用imgaug库来实现这个目的。然而，我不知道如何做到这一点。我找到的所有示例都使用Keras、ImageDataGenerator或Sequence。
在代码中，给定这样的顺序增强器：
self.augmenter = iaa.Sequential([
iaa.Fliplr(config.sometimes),
iaa.Crop(percent=config.crop_percent),
...
], rando
浏览 0提问于2019-08-06得票数 12
回答已采纳
我目前正在查看Tensorflow中的急切模式，并想知道是否可以提取用于Tensorboard的图形。我知道Tensorflow急切模式实际上没有用户必须创建的图形或会话系统。然而，据我所知，有一个在引擎盖下。这个隐藏的图形和会话可以导出以支持Tensorboard中的可视图形视图吗？还是我需要将我的模型重做成图形/会话执行的形式？
浏览 0提问于2018-05-09得票数 9
回答已采纳
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
在TensorFlow 1.10到1.12 (使用急切执行)中，我有以下代码片段： tensor = tf.keras.layers.Conv2D(128, (3, 3), padding='same')(tensor)
tensor = tf.contrib.layers.group_norm(tensor) 然而，对tf.contrib.layers.group_norm(tensor)的调用给出了以下错误： ValueError: Attempt to convert a value (<DeferredTensor 'None' shape=(?
浏览 26提问于2019-06-14得票数 1
我正在训练以运行行tf.config.run_functions_eagerly(True)，但我得到了错误
AttributeError: module 'tensorflow' has no attribute 'config'
我的Python版本是3.9.2，我使用的是Tensorflow 1.8.0和Keras 2.1.5。我怎样才能克服这个错误？
浏览 2提问于2021-03-23得票数 0
回答已采纳
1回答
问题描述
我试图在TensorFlow 2.3.0中编写一个自定义丢失函数。要计算损失，我需要将y_pred参数转换为numpy数组。但是，我无法找到一种方法将它从<class 'tensorflow.python.framework.ops.Tensor'>转换为numpy数组，尽管似乎有TensorFlow函数可以这样做。
代码示例
def custom_loss(y_true, y_pred):
print(type(y_pred))
npa = y_pred.make_ndarray()
...
if __name__ =
浏览 11提问于2020-09-13得票数 9
回答已采纳
使用命令返回张量值
a, b, c, d, e = tf.unstack(x, axis=1)
然后，当我尝试显示a的值时，得到的结果是：
<tf.Tensor 'unstack_4:0' shape=(5,) dtype=int32>
我如何才能看到这个张量的值是什么？
我是TensorFlow的新手。
浏览 0提问于2021-11-29得票数 0
我试图将model.predict调用的准确性与最终的model.fit()匹配。我在使用tf数据集。
val_ds = tf.keras.utils.image_dataset_from_directory(
'my_path',
validation_split=0.2,
subset="validation",
seed=38,
image_size=(SIZE,SIZE),
)
train_ds的数据集设置类似。我都准备好了..。
train_ds = train_ds.prefetch(buffer_size=A
浏览 11提问于2022-08-26得票数 1
回答已采纳
最近，我尝试在tensorflow中使用elmo，但我遇到了一些错误，如果您能帮助我，我将不胜感激。
这是我的test_code：
import tensorflow as tf
import tensorflow_hub as hub
import numpy as np
import urllib.request
if __name__ == '__main__':
elmo = hub.Module('https://tfhub.dev/google/elmo/3',trainable=True)
x = ["Hi
浏览 8提问于2021-10-20得票数 1
我正在尝试执行这些函数
def evaluate(sentence):
sentence = preprocess_sentence(sentence)
sentence = tf.expand_dims(
START_TOKEN + tokenizer.encode(sentence) + END_TOKEN, axis=0)
output = tf.expand_dims(START_TOKEN, 0)
for i in range(MAX_LENGTH):
predictions = model(inputs=[sentence, output
浏览 1提问于2020-01-26得票数 3
我发现，计算的梯度依赖于tf.function装饰器之间的相互作用，其方式如下。
首先，我为二进制分类创建了一些合成数据。
tf.random.set_seed(42)
np.random.seed(42)
x=tf.random.normal((2,1))
y=tf.constant(np.random.choice([0,1],2))
然后，我定义了两个仅在tf.function装饰器中不同的丢失函数。
weights=tf.constant([1.,.1])[tf.newaxis,...]
def customloss1(y_true,y_pred,sample_weight=None
浏览 1提问于2020-06-17得票数 4
回答已采纳
在图形模式中，我们使用tf.train.Saver。在急切模式下，我们使用tf.contrib.eager.Checkpoint。
然而，还不清楚如何在一台上保存而在另一台上恢复？
浏览 2提问于2018-07-02得票数 2
我有一个c#类Person和Note，它们映射到Server表并与实体框架一起使用。在Person数据模型中，Note是延迟加载的：
public class Person {
public int PersonId { get; set; }
public int PersonType { get; set; }
public int? NoteId { get; set; }
public virtual Note Note { get; set; }
}
当我使用linq查询时，在查询开始时显式使用Include有什么好处吗？这也是：
personCou
浏览 0提问于2018-03-01得票数 0
回答已采纳
我将一个列表a传递给我的自定义函数，在将它转换成一个常量张量之后，我想要将它转换为tf.tile。我打的次数取决于y_true的形状。我不知道怎样才能得到y_true作为整数的形状。下面是代码：
def getloss(a):
a = tf.constant(a, tf.float32)
def loss(y_true, y_pred):
a = tf.reshape(a, [1,1,-1])
ytrue_shape = y_true.get_shape().as_list() #????
multiples = tf.const
浏览 4提问于2020-12-04得票数 0
回答已采纳
我将tf.data中的一批数据设置到模型中，并将模型的输出放入损失函数中。 一切工作正常，但我仍然在其中一个操作中遇到错误。 我该如何进行调试呢？该图没有给出代码为什么会给出错误的具体信息。
浏览 17提问于2020-06-12得票数 0
1回答
我的代码是跨几个文件和函数分发的，因此在这里引用它是不实际的。我想，如果我能很好地理解急切的执行和tf.function，我可以自己解决这个问题。这里有人能帮我做以下几个问题吗？
仅在紧急执行被禁用时，@tf.function装饰器才能工作吗？，@tf.function装饰器和急切执行模式之间的关系是什么？，TensorFlow如何在内部切换急切模式和非急切模式？当我禁用急切的执行，并且我的代码中有一些错误时，我仍然会得到对文件的引用，这些文件告诉我，急切的执行可能在内部发生。
浏览 3提问于2019-10-28得票数 7
1回答
我想得到梯度估计的符号表达式。当我看到输出时，很难理解发生了什么。
import tensorflow as tf
@tf.function
def f_k(input_dat):
y = tf.matmul(tf.sin(input_dat[0]), input_dat[1])
grads = tf.gradients([y], input_dat)
# grads = tape.gradient([y], input_dat)
tf.print('tf >>', grads)
print('print >&g
浏览 9提问于2022-01-28得票数 1
回答已采纳
我正在尝试用Tensorflow编写一个内核密度估计算法。
在拟合KDE模型时，我迭代了当前批处理中的所有数据，并使用tensorflow.contrib.distributions.MultivariateNormalDiag对象self.kernels = [MultivariateNormalDiag(loc=data, scale=bandwidth) for data in X]为每个数据创建了一个内核
稍后，当尝试预测一个数据点相对于上面拟合的模型的可能性时，对于我正在评估的每个数据点，我将上面每个内核给出的概率相加：tf.reduce_sum([kernel._prob(X) f
浏览 0提问于2018-04-12得票数 3
2回答
我想迭代张量，得到每个元素的索引。 例如..。 tensor = tf.constant([1,2,3])
for idx, elem in enumerate(tensor):
print(idx, elem) 所需输出： 0 1
1 2
2 3
浏览 23提问于2019-06-25得票数 2
1回答
如何从张量返回最大值及其邻域
、、、、
我创建了一个神经网络模型，并希望自定义损失函数。 我想知道如何从张量返回最大值和它的邻居？ 我知道tf.argmax可以从张量返回最大值的索引。但是，有没有可能得到一个新的张量，它包括max之前的3个值，max之后的3个值的范围
浏览 14提问于2021-07-28得票数 2
回答已采纳
云服务器
ICP备案
对象存储
即时通信 IM
腾讯会议
腾讯云开发者
