如何在TensorFlow中使用带有shape=(1，1)标签张量的tf.equal()？
在TensorFlow中，tf.equal()函数用于比较两个张量是否相等。如果你想使用带有shape=(1, 1)标签张量的tf.equal()，你需要确保两个比较的张量具有相同的形状。
以下是一个示例，展示了如何在TensorFlow中使用带有shape=(1, 1)标签张量的tf.equal()：
import tensorflow as tf
# 创建两个形状为(1, 1)的张量
tensor1 = tf.constant([[1]], dtype=tf.int32)
tensor2 = tf.constant([[1]], dtype=tf.int32)
# 使用tf.equal()比较两个张量
equal_result = tf.equal(tensor1, tensor2)
# 打印结果
print(equal_result.numpy()) # 输出: [[ True]]在这个例子中，tensor1和tensor2都是形状为(1, 1)的张量，并且它们的值相等。tf.equal()函数比较这两个张量，并返回一个布尔张量，表示每个元素是否相等。在这个例子中，返回的布尔张量为[[ True]]，表示两个张量的所有元素都相等。
如果你想比较的张量形状不同，你需要先调整它们的形状，使其相同。你可以使用tf.reshape()函数来调整张量的形状。例如：
import tensorflow as tf
# 创建两个形状不同的张量
tensor1 = tf.constant([1], dtype=tf.int32)
tensor2 = tf.constant([[1]], dtype=tf.int32)
# 调整张量的形状，使其相同
tensor1_reshaped = tf.reshape(tensor1, [1, 1])
# 使用tf.equal()比较两个张量
equal_result = tf.equal(tensor1_reshaped, tensor2)
# 打印结果
print(equal_result.numpy()) # 输出: [[ True]]在这个例子中，tensor1的形状为(1,)，而tensor2的形状为(1, 1)。我们使用tf.reshape()函数将tensor1的形状调整为(1, 1)，然后使用tf.equal()函数比较这两个张量。返回的布尔张量为[[ True]]，表示两个张量的所有元素都相等。
相关·内容
我在试着评估单个图像。到目前为止，它是有效的。我得到每个类别的单独概率和正确的标签。但是当我尝试用tf.argmax(label, 1)获取类时，我总是得到类"0“。
...
image, label = ...
# label: Tensor("..", shape=(1, 1), dtype=int32)
logits = model(image)
# logits: Tensor("..", shape=(1, 10), dtype=float32)
predic = tf.nn.softmax(logits)
arg_log = tf.argma
浏览 2提问于2018-01-16得票数 0
回答已采纳
我正在编写TensorFlow (python)逻辑来确定张量的最后一个维度是1还是5。如果张量是标量，这个表达式应该为false。在图形构建时，张量的形状是未知的。
给定张量input，我已经尝试过了
tf.logical_and(
# The tensor must not be a scalar.
tf.greater(tf.rank(input), 0),
# Check the last dimension.
tf.logical_or(
tf.equal(tf.shape(input)[-1], 1),
tf.equal(tf.shape(input
浏览 7提问于2017-11-24得票数 1
回答已采纳
我正在使用Tensorflow编写模型代码。我的部分条件陈述如下：
new_shape = tf.cond(tf.equal(tf.shape(src_shape)[0], 2), lambda: src_shape, lambda: tf.constant([1, src_shape[0]]))
src_shape是tf.shape()的结果。
它报道TypeError: List of Tensors when single Tensor expected。我知道这是因为tf.constant([1, src_shape[0]])是一个张量列表，但我不知道如何合法地实现我的代码。
我已经尝
浏览 0提问于2019-04-23得票数 0
回答已采纳
有代码
tf.searchsorted(input, input2)
我得到了的第一个错误
InvalidArgumentError (回溯参见上文)：除非所有指定的输入大小都是非零的，否则整形不能推断空张量缺少的输入大小。
它还提醒我在第3459行
tensorflow/python/ops/array_ops.py
搜索排序
得到
sorted_sequence_2d = reshape(sorted_sequence, [-1, sequence_size])
但是当张量形状包含0维，input.shape=(0,)时，它会返回一个误差。请参阅
我想在使用之前检查张量形状
浏览 0提问于2019-09-18得票数 1
回答已采纳
我需要计算Tensorflow中张量的密度(稀疏性)。我在中使用了MNIST神经网络Tensorbench示例。
我将此代码片段插入到示例代码()中，以计算张量中的稀疏性(在我的示例中，我只计算0的数量)。
在这个例子中有两个张量：hidden1是784 x 500，y是500 x 10。
def tf_count(t):
elements_equal_to_value = tf.equal(t, 0)
count = tf.reduce_sum(tf.cast(elements_equal_to_value, tf.int32))
return count
然后，我在运行期间使用
浏览 6提问于2016-06-18得票数 0
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
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
例如，我试图执行一些与条件相关的函数，其中每个函数需要根据它们的形状不同地收缩张量。然而，我意识到和正在执行所有函数，而不管条件如何。以下列守则为例；
def a():
print("a")
return tf.constant(2)
def b():
print("b")
return tf.constant(3)
def c():
print("c")
return tf.constant(4)
def d():
print("default")
retu
浏览 0提问于2021-07-19得票数 1
回答已采纳
我试着去完成如果...elif..elif..else...tensorflow中，但出现了一些错误。然后我尝试了tf.cond，但那是单人早午餐。 labels被定义为占位符，它是一个在训练时需要输入的张量。标签和newlogits的范围是0,27，但在计算精度时，我希望将标签和logits映射到0,3。 def tower_acc(logits, labels, batch_size):
newlogits=tf.argmax(logits,1)
resultlabels =[]
resultlogits =[]
for i i
浏览 25提问于2019-06-10得票数 0
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
1回答
在tensorflow中，我有两个不等长的2d张量，我必须找到一维布尔张量，它给出了第一个张量行在第二个张量中的信息。例如:如果tensor1 = [0,1,1，1，0,1, 0，1,2]和tensor2 =[0，0，0，0，0，1，1，1，1，1，1，1，1]，则一维张量应为真，假，假。
我已经尝试过使用tf.equal()函数进行广播，但是它占用了大量的内存。我希望这个函数是时间和内存优化的，因为张量很大。有人能就如何实施这一点提出建议吗？
浏览 3提问于2022-09-01得票数 1
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
我正在为自己的目的移植Tensorflow Cifar-10教程文件，并遇到了一个有趣的问题，由于Tensorflow的图形和会话体系结构，我无法轻松地概念化。
问题是我的输入数据集是高度不平衡的，因此我需要“过度采样”(并增加)输入管道中的某些图像，条件是它们的标签。在普通的Python环境中，我可以设置表单if label then duplicate的一个简单的控制流语句，但是我无法用Tensorflow编写相同的语法，因为在运行会话之外存在控制流操作，而且在这种情况下，label不返回值。
我的问题是，在Tensorflow队列中过度采样张量最简单的方法是什么？
我知道，我只需在输入操
浏览 2提问于2016-12-01得票数 1
回答已采纳
迁移到tensorflow 2.x. Win 10，tf版本为2.3.1。基本上， import tensorflow as tf
def do_nothing(x, y):
m, n = x.shape
if m==n:
return x, y
else:
raise Exception('should never arrive here')
xys = [[tf.eye(2), tf.eye(3)],
[tf.eye(4), tf.eye(5)],]
@tf.function
def foo()
浏览 17提问于2020-12-20得票数 0
1回答
我正在使用一个数据集，其中我解析来自每个tfrecord文件的四个张量。有时，四个张量中的一个会是空的，我希望能够过滤掉这个张量，并将其余的张量发送到tf.data管道中的下一步。我把这四个张量保存在字典里，我希望能做这样的事情。 @tf.function
def filter_and_reshape(tensor_dict, shape):
return {k: tf.reshape(t, shape)
for k, t in tensor_dict.items() if not tf.equal(tf.size(t), 0)} 其中tensor_dict是
浏览 26提问于2020-02-02得票数 0
我尝试用variable_scope来管理张量。问题是，每当代码片段运行时，它都会创建一个带有索引的新的张量。
例如：
import tensorflow as tf
parameters = {}
with tf.variable_scope("layer1"):
parameters["b1"] = tf.add(1,1)
with tf.variable_scope("layer1"):
parameters["b2"] = tf.add(1,1)
print(parameters["b1"]
浏览 1提问于2018-04-02得票数 0
回答已采纳
我有一个部分未知形状的张量和一个掩码--用1.0或0.0填充的相同形状的张量--我想把它转换成SparseTensor，只考虑掩码中对应于1.0的项。因此，我认为我必须这样做：
import tensorflow as tf
tf.reset_default_graph()
tf.set_random_seed(23)
BATCH = 3
LENGTH = None
dense = tf.placeholder(shape=[BATCH, LENGTH], dtype=tf.float32, name='dense')
mask = tf.placeholder(shap
浏览 3提问于2017-02-13得票数 1
我尝试使用以下代码来等同tensorflow中的张量： import tensorflow as tf
import numpy as np
a = tf.placeholder(tf.float32, shape=[2,2])
b = tf.Variable(tf.zeros(shape = [1,1]))
sess = tf.Session()
b[0,0]=a[0,0]
sess.run(tf.initialize_all_variables()) 但是有一条错误消息"'RefVariable‘对象不支持项目分配“。我应该如何修改？
浏览 14提问于2019-02-27得票数 3
我是计算机视觉模型结构的新手，我使用models @tensorflow/tfjs-node的Tensorflow来让一些模型检测某些对象。使用Mobilenet和Resnet，模型使用的是Channels Last格式，所以当我用tf.node.decodeImage创建张量时，格式默认是Channels Last，就像3个通道的shape: [1, 1200, 1200, 3]，预测数据工作得很好，能够识别对象。
但是模型从Pytorch转换为ONNX，然后转换为Protobuf格式，saved_model.pb有Channels First格式，如shape: [1, 3, 1200,
浏览 13提问于2021-12-28得票数 0
回答已采纳
我正在使用带有Tensorflow后端的Keras。
在我的损失函数中，我有一个张量，我需要用1替换小于1的元素。
我可以在docs 中看到许多可用的函数
但我不知道该怎么做。
如果我这样做了：
a_ = tf.Print(
message='a_shape',
input_=a_,
data=[tf.shape(a_)]
)
我得到的形状是：
y_shape[128]
我需要迭代这个张量，用1替换小于1的元素。
我该如何使用keras tensorflow API来实现这一点？
谢谢-
浏览 0提问于2018-07-05得票数 1
我有三个张量，A, B and C in tensorflow，A和B都是形状(m, n, r)，C是(m, n, 1)形状的二元张量。
我希望根据C的值从A或B中选择元素。显而易见的工具是tf.select，但是它没有广播语义，所以我需要首先显式地将C广播成与A和B相同的形状。
这将是我第一次尝试如何做到这一点，但它不喜欢我把张量(tf.shape(A)[2])混合到形状列表中。
import tensorflow as tf
A = tf.random_normal([20, 100, 10])
B = tf.random_normal([20, 100, 10])
C = tf.rand
浏览 2提问于2015-12-18得票数 16
回答已采纳
我有TensorRT引擎生产的tensorflow冷冻模型。
我不能再训练模型，因为我没有所有需要的图像。
但是Tensorflow流程有一些后处理层，我喜欢添加到TensorRT引擎中。
什么是最好的方法？
我可以使用TensorRT层创建插件层吗？
这些Tensorflow层主要可用在TensorRT中，如下所示。
self.tensor_heatMat_up = tf.image.resize_area(self.tensor_output[:, :, :, :19], self.upsample_size,
浏览 0提问于2019-07-22得票数 1
回答已采纳
我有一个张量a，如果它等于1，我想挤压它的第一个维度。
我试过了
import tensorflow as tf
a = tf.zeros((2, 3))
tf.cond(tf.equal(a.shape[0], 1), lambda: tf.squeeze(a, axis=0), lambda: a)
但是它不起作用，因为在计算条件之前，tf.cond会同时执行true_fn和false_fn，因此如果a的第一个维度不是1，就会产生错误
ValueError: Can not squeeze dim[0], expected a dimension of 1, got 2 for '
浏览 3提问于2019-08-08得票数 4
假设我创建了一个包含以下维度的张量
[num_tracks,num_frames,height,width,num_channels]
*output = tensorflow::Tensor(tensorflow::DataType::DT_UINT8,
{4, 11, 128, 128, 3});
然后用平面方法返回数据。
auto data = output->flat<uint8>().data();
如果我用++data迭代扁平的数据，数据将按照什么顺序返回？
会不会是
[(track1, frame
浏览 1提问于2021-08-20得票数 0
回答已采纳
1回答
在某些情况下，tensorflow似乎能够在图形创建时检查张量的值，而在其他情况下，这是失败的。
>>> shape = [constant([2])[0], 3]
>>> reshape([1,2,3,4,5,6], shape)
<tf.Tensor 'Reshape_13:0' shape=(2, 3) dtype=int32>
>>> zeros(shape)
<tf.Tensor 'zeros_2:0' shape=(?, 3) dtype=float32>
在上面的示例中，
浏览 0提问于2018-03-01得票数 4
回答已采纳
3回答
问题定义：
实现下面的函数，以获取一个标签和类的总数，并返回一个按列排列的矩阵中的热编码。使用tf.one_hot()来实现这一点，使用tf.reshape()来重塑一个热张量！
( tf.reshape(tensor，shape)
enter code here def one_hot_matrix( label，depth=6)：“”different : one_hot -- tf.Tensor --一个带有一个热编码的单列矩阵。标签-- (int)分类标签深度-- (int)标签可以接受多少个不同的类。
# (approx. 1 line)
# one_hot = ...
# YOUR
浏览 2提问于2021-05-11得票数 1
系统信息
编写了自定义代码(而不是使用TensorFlow中提供的股票示例脚本)：没有
OS平台和发行版(例如LinuxUbuntu16.04)：LinuxUbuntu18.04
移动设备(例如iPhone 8、Pixel 2、三星银河)如果问题发生在移动设备上：
从(源或二进制)安装的TensorFlow : Conda repo
TensorFlow版本(使用下面的命令)：1.15
Python版本: 3.7.7
Bazel版本(如果从源代码编译)：
GCC/Compiler版本(如果从源代码编译)：
CUDA/cuDNN版本: 10.1
V100-SMX3-32GB GPU模型和内存
描
浏览 4提问于2020-07-24得票数 0
假设我有一个tensorflow张量的列表，我想在一定条件下在这个列表上附加额外的张量。例如，如果列表中的每个张量与这个额外张量之间的最大点乘积大于0，那么这个额外的张量就会附加到列表中。以下是代码：
lists = []
for i in xrange(10):
a = tf.get_variable(name=str(i), shape=[3], dtype=tf.float32)
lists.append(a)
现在我们有一个10个张量的列表，每个张量都有3的形状。
for j in xrange(11, 30):
b = tf.get_variable(name
浏览 0提问于2019-04-01得票数 0
回答已采纳
1回答
我有一个2D张量my_tensor大小[50,50]和dtype int32，我需要在一个特定的位置递增该值。要更新的位置的索引由两个整数张量给出，这两个张量分别给出了轴0和轴1的位置：
idx_0 is:
tf.Tensor([27], shape=(1,), dtype=int32)
idx_1 is:
tf.Tensor([26], shape=(1,), dtype=int32)
Tensorflow的tensor_scatter_nd_add似乎是解决方案。如果我手动定义索引，代码就可以工作，但是如果我尝试使用idx_0和idx_1，每个实现都会出现一些索引/维度不匹配的错误。
这是
浏览 0提问于2021-07-16得票数 0
我只是尝试在mnist_softmax.py 0.8中运行TensorFlow。我想在模型测试步骤之前观察y和y_的值。
以下是代码：
print(y) # added by me
print(y_) # added by me
# Test trained model
correct_prediction = tf.equal(tf.argmax(y, 1), tf.argmax(y_, 1))
完整的代码可在上使用。
以下是产出：
Tensor("Softmax:0", shape=(?, 10), dtype=float32)
Tensor("Placeho
浏览 2提问于2016-05-06得票数 2
回答已采纳
当我试图用tensorflow完成softmax回归时，出现了以下一些问题：
tensorflow.python.framework.errors_impl.InvalidArgumentError：
您必须为占位符张量' Placeholder_1‘提供一个带有dtype float [Node:Placeholder_1= Placeholderdtype=DT_FLOAT，shape=[]，shape=[]的值。
从上面的描述中，我了解到问题是一个参数类型错误。但在我的代码中，数据的类型与占位符相同。
import tensorflow as tf
from tensor
浏览 1提问于2017-05-28得票数 0
我想找出一个张量的值出现在另一个张量中的所有位置。输出应该是与主张量形状相同的布尔张量。
import numpy as np
import tensorflow as tf
values = np.random.randint(0, 32, (3, 32))
check_vals = np.random.choice(values.flatten(), 2, False)
main_tensor = tf.convert_to_tensor(values, dtype=tf.int32)
check_tensor = tf.convert_to_tensor(check_vals, dt
浏览 6提问于2022-05-26得票数 0
0回答
Tensorflow的新特性是，我使用神经网络对图像进行分类。我有一个包含shape [N, 128, 128, 1] (N个图像128x128，1通道)图像的Tensor，以及一个包含图像标签的shape [N]的Tensor。
我想把它全部洗牌，把它分成训练张量和测试张量(假设是80%-20%)。我没有找到一种方法来“压缩”我的张量，以便将每个图像与其标签相关联(以便以相同的方式对图像和标签进行混洗)。有可能吗？如果不是，我如何才能完成混洗/拆分工作？
谢谢你的帮助！
浏览 6提问于2017-06-12得票数 2
回答已采纳
1回答
假设我有这两个张量：
valueMatrix，形状为(?, 3)，其中?为批处理大小
indexMatrix，形状为(?, 1)
我想从valueMatrix检索indexMatrix中包含的索引中的值。
示例(伪代码)：
valueMatrix = [[7,15,5],[4,6,8]] -- shape=(2,3) -- type=float
indexMatrix = [[1],[0]] -- shape = (2,1) -- type=int
我想从这个例子中做一些如下的事情：
valueMatrix[indexMatrix] --> returns -->
浏览 4提问于2017-10-02得票数 3
回答已采纳
我正在尝试将从tfrec文件加载的字符串标签张量转换为数字，以便进行一次性编码。其思想是使用numpy数组作为查找表，一旦命中，将返回索引并将其存储在张量中。
然而，问题是张量不能直接与python对象进行比较。我试图实现使用tf.map_fn枚举我的一批标签，并使用tf.cond进行比较--这不起作用：
def elem_op(t):
global all_labels
for idx, lbl in enumerate(all_labels):
lbl_tensor = tf.constant(lbl.encode()) # tensorflow stor
浏览 1提问于2017-11-14得票数 0
1回答
我试图在我的层中查看训练过程中输入张量和权重张量的值，我使用了keras教程here中的代码来编写训练循环，并使用了我在另一个线程中找到的dropout层定义来获得掩码，这有点老生常谈，但不是这里的主要问题： from tensorflow.python.ops import array_ops
from tensorflow.python.ops import math_ops
class MyDR(tf.keras.layers.Layer):
def __init__(self,rate,parentLayer,**kwargs):
super(MyDR, s
浏览 5提问于2021-04-20得票数 0
1回答
根据最初关于Dropout的论文，正则化方法可以应用于卷积层，通常可以提高它们的性能。TensorFlow函数tf.nn.dropout通过有一个noise_shape参数来支持这一点，允许用户选择哪些部分的张量将独立退出。然而，无论是论文还是文档都没有给出一个清晰的解释，说明哪些维度应该独立保存，而TensorFlow对noise_shape工作方式的解释也不太清楚。
只有具有noise_shapei == shape(X)的维数，我才能做出独立的决定。
我假设对于形状为[batch_size, height, width, channels]的典型CNN层输出，我们不希望单个行或列
浏览 1提问于2017-07-19得票数 5
回答已采纳
调用tf.unqiue后，张量的形状将是未知的，但我想遍历tf.unqiue的结果。
假设tensor = tf.unqiue(...)
我试过：
I in tf.range(tf.shape(张量))
Tf.unstack(张量，num=tf.shape(张量))
Tf.split(张量，num_or_size_splits=tf.shape(张量))
所有这些函数都不能工作，因为这些函数都需要静态形状或num/num_或_size_splits=整型？那么我如何遍历tensor呢？
更新
示例
我有两个相同形状的一维张量
x=[1,3,2,1,3] y=[3,6,5,8
浏览 1提问于2017-10-30得票数 0
1回答
我正在实现一个网络，该网络获取2d图像并为其输出3D二进制体素。我使用的是带有LSTM模块的自动编码器。图像和体素的当前形状如下： print(x_train.shape)
print(y_train.shape)
>>> (792, 127, 127, 3)
>>> (792, 32, 32, 32) 792 RGB图像127 x 127 具有3D二进制张量的792个对应体素(32 X 32 X 32) 运行以下编码器模型： from tensorflow.keras import Sequential
from tensorflow.keras.lay
浏览 49提问于2020-06-12得票数 0
我有一个形状为(5，3，5)的Tensorflow张量A。我想得到一个形状为(5，3)的张量B
# B = [A[0, :, 0], A[1, :, 1], A[2, :, 2], ...]
我希望在不使用任何for循环的情况下实现此索引。使用numpy one可以做到：
import numpy as np
# A.shape = (5, 3, 5)
B = A[np.arange(A.shape[0]), :, np.arange(A.shape[2])]
有什么建议如何使用Tensorflow做到这一点吗？
浏览 6提问于2019-07-11得票数 1
回答已采纳
1回答
我是tensorflow的新用户。我有以下张量A：
<tf.Tensor: shape=(3,), dtype=string, numpy=
array([b'1,2.0,32.29,42.1,16.0,0.60,46.0,0.0,26.0,0.0,-1.31,-0.9'],
dtype=object)>
我想要得到以下两个张量：
张量B:将张量A转换为浮点张量，并获得张量A的第一个元素：
<tf.Tensor: shape=(3,), dtype=float, numpy=
array([1],
dtype=object)>
张量C:将张量A转
浏览 2提问于2020-12-01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
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
2回答
我试图扩展维度：
import tensorflow as tf
inp = tf.keras.layers.Input(shape=(1,))
inp = inp[..., tf.newaxis]
decoder_input = inp
output = tf.concat([inp, decoder_input], 1)
model = tf.keras.models.Model(inp, output )
但我在最后一行中发现了一个错误：
异常已经发生: ValueError图断开:无法获得张量张量(“input_1:0”，shape=(无，1)，dtype=float32)在"
浏览 4提问于2020-12-02得票数 1
回答已采纳
1回答
我是PyTorch的新手。TensorFlow有一个API tf.cast()和tf.shape()。tf.cast在TensorFlow中有特定的用途，火炬中是否有类似的东西？我有张量x=张量(形状(128，64，32，32))：tf.shape(x)创建维数1的张量，x.shape创建真维数。我需要在火炬中使用tf.shape(x)。
tf.cast有一个不同的作用，不仅仅是改变torch中的张量类型。
有谁在火炬/火炬中有类似的API吗？
浏览 4提问于2019-12-02得票数 8
回答已采纳
在tensorflow操作中是否可以使用动态形状的张量形状，而无需在会话中对其进行评估？例如，考虑以下几点：
activation = tf.nn.relu(conv_plus_b, name=scope.name) #has shape [None, None, 700,1]
conv_len =activation.shape[1]
pool = tf.nn.max_pool(activation, ksize=[1,conv_len,1,1], strides=[1,1,1,1], padding='VALID')
运行此代码将引发错误：TypeError: Expect
浏览 2提问于2017-10-15得票数 5
回答已采纳
如果我有一个N维张量，我想要创建另一个值0和1的张量(具有相同的形状)，其中1与原张量中跨越某个维的最大元素处于相同的位置。
我的一个约束是，如果存在重复的情况，我只想得到沿该轴的第一个最大元素。
为了简化，我将使用较少的维度。
>>> x = tf.constant([[7, 2, 3],
[5, 0, 1],
[3, 8, 2]], dtype=tf.float32)
>>> tf.reduce_max(x, axis=-1)
tf.Tensor([7. 5. 8.
浏览 1提问于2021-02-04得票数 0
回答已采纳
1回答
我想在tensorflow中对一个可能为空的张量进行argmin，然后返回一些值，比如空列表或-1。默认情况下，empty tensor上的armgin会产生以下结果：
InvalidArgumentError: Reduction axis 0 is empty in shape [0]
也许使用tf.conf会有所帮助，但我不确定如何检查向量是否为空：
tf.equal(tf.size(vec), tf.constant(0)).eval()
ValueError: Operation 'Equal_5' has been marked as not fetchable.
浏览 0提问于2017-10-14得票数 0
我有两个张量，一个是形状为[batch_size, timestep, feature]的三维张量，另一个是形状为[batch_size, timestep]的二维张量
例如：
data = tf.constant([[[0, 0], [1, 1], [2, 2]], [[3, 3], [4, 4], [5, 5]]], dtype=tf.float32) # shape=(2, 3, 2)
mask = tf.constant([[True, True, False], [False, True, True]]) # shape=(2, 3)
我想让掩码适应数据
#Desired outpu
浏览 28提问于2019-11-02得票数 2
回答已采纳
我有多个维度张量，我想根据第i个维度创建成对组合张量，然后创建两个张量，例如， a=tf.constant([[[1,1],[2,2]],
[[3,3],[4,4]],
[[5,5],[6,6]],shape=(3,2,2)) , 我根据0dim(索引是[0,1,2]，所以对是(0,1),(0,2),(1,2) )创建对组合，所以新张量b的0dim来自旧索引[0,0,1]，新张量d的0dim来自旧索引[1,2,2]，完成的结果是： b=tf.constant([[[1,1],[2,2]],
浏览 23提问于2021-02-08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
实时音视频
对象存储
即时通信 IM活动推荐
腾讯云开发者
