如何将[Batch_Size，A，B]张量乘以[Batch_Size，B]张量得到[Batch_Size，A]张量？
要将[Batch_Size，A，B]张量乘以[Batch_Size，B]张量得到[Batch_Size，A]张量，可以使用矩阵乘法运算。矩阵乘法是线性代数中的一种基本运算，可以用于多维张量的乘法。
具体步骤如下：
- 确保两个张量的维度匹配。[Batch_Size，A，B]张量的最后一个维度B必须与[Batch_Size，B]张量的第二个维度B相等。
- 将[Batch_Size，B]张量扩展为[Batch_Size，1，B]张量，可以使用广播（broadcasting）机制实现。
- 将两个张量相乘，得到的结果是一个[Batch_Size，A，B]张量。
- 对结果进行求和操作，沿着最后一个维度B进行求和，得到一个[Batch_Size，A]张量。
这样就可以将[Batch_Size，A，B]张量乘以[Batch_Size，B]张量得到[Batch_Size，A]张量。
在腾讯云中，可以使用腾讯云的AI平台产品进行张量乘法运算。腾讯云的AI平台提供了丰富的人工智能和机器学习服务，包括深度学习框架、模型训练与部署、自然语言处理、计算机视觉等功能。您可以使用腾讯云的AI平台产品进行张量乘法运算，并获得高性能和可靠的计算资源支持。
推荐的腾讯云相关产品是腾讯云AI平台产品，您可以通过以下链接了解更多信息：
- 腾讯云AI平台产品：https://cloud.tencent.com/product/ai
相关·内容
标题中的问题-如何将这些形状的两个张量相乘，得到该形状的张量？ [Batch_Size, A, B] x [Batch_Size, B] = [Batch_Size, A] tf.matmul()要求张量具有相同的等级。
浏览 21提问于2019-04-08得票数 0
我有一个三维张量(sequence_length，batch_size，word_dim)，我需要用"word_dim“维数做矩阵运算，这样就可以将张量转换为(sequence_length，batch_size，hidden_dim)。看来matmul运算只适用于二维张量。由于"batch_size“的存在，我不能将三维张量转换成二维张量。我该怎么做？
浏览 2提问于2016-10-30得票数 0
我有两个张量a:[batch_size, dim] b:[batch_size, dim]。我想为批处理中的每一对做内部积，生成c:[batch_size, 1]，其中c[i,0]=a[i,:].T*b[i,:]。多么?
浏览 0提问于2016-11-10得票数 13
回答已采纳
假设我们有4个张量，a，b，c和d，它们都有相同的(batch_size, T, C)维数，我们想要创建一个新的张量X，它的形状是(batch_size, T*4, C)，其中T*4在所有张量之间交错循环。
例如，如果a、b、c和d分别是所有1、2、3和4的张量，那么我们认为X是类似的
[[[1,1,1...],
[2,2,2...],
[3,3,3...],
[4,4,4...],
[1,1,1...],
[2,2,2...],
.
.
.
]]
浏览 0提问于2019-07-01得票数 2
回答已采纳
我有多个张量，如下所示： [value]
[value]
...
[value] (batch_size=n, shape=(None)) 多个张量如下所示： [value, value]
[value, value]
...
[value, value] (batch_size=n, shape=(None, None)) 如何将它们连接到这样的东西？ [value, value, ..., value]
[value, value, ..., value]
...
[value, value, ..., value] (batch_size=n)
浏览 15提问于2020-09-30得票数 0
回答已采纳
我想把两个四维张量乘成两个四维张量，并将结果存储在一个四维张量中。我有一个张量--形状batch_size,16,16,3的'A‘和形状batch_size,4,4,3的张量'B’，我想执行一种平铺运算，使张量'A‘的每个4x4x3块都能用张量'B’进行逐元乘法。结果存储在形状与张量'A‘相同的张量'C’中，即batch_size,16,16,3，由于张量'B‘的高度和宽度是张量'A’的高度和宽度的倍数。我应该在张量'C‘中串联或累积或分配四个元素的乘法结果。
浏览 0提问于2018-11-08得票数 0
回答已采纳
1回答
对张量进行下采样
、、
让我们假设我们有一个形状a = [batch_size, length, 1]的3D张量，并且我们想从length轴丢弃每5个样本。每个批处理元素的新索引可以计算为indices = tf.where(tf.range(a.shape[1]) % 5 != 0)。 你能帮我做一个运算，得到较短的张量形状b = [batch_size, length2, 1]，其中length2 = 4/5 * length？我假设这是可以通过tf.gather_nd实现的，但是我在提供正确格式的索引时遇到了问题。它并不是简单地平铺索引张量batch_size次，并以3D张量为参数向tf.gather_nd提
浏览 36提问于2020-06-24得票数 1
回答已采纳
我正在尝试用Tensorflow重写下面的Python代码。但是，我在使用tf.map_fn迭代张量时遇到了问题。
这里depth是形状[batch_size,256,256]的张量，normal是形状[batch_size,256,256,3]的张量，scale是形状[batch_size,256,256]的张量。
for b in range(0,batch_size):
depth[b,:,:] = [scale[b,0,0] + (scale[b,0,1] - scale[b,0,0])* x for x in depth[b,:,:]]
normal[b,:,:,:]
浏览 0提问于2019-08-13得票数 0
回答已采纳
假设我得到了一个形状为(batch_size, dim_a, dim_b)的三维张量input。
如果我有一个形状为(batch_size, dim_a)的weight向量，并且想要得到输入的加权和，形状(batch_size, dim_b)的weighted_sum。我该怎么办？
浏览 1提问于2018-03-06得票数 0
1回答
我有一批n维向量，即大小为[batch_size, n]的张量.我希望将其转换为一批大小为[batch_size, n, H, W]的图像，即批处理中每个向量的每个元素都必须成为[1, W, H]图像，因此每个向量都成为[n, H, W]图像。
现在我用一种非常丑陋的方式来做：
vectors = torch.zeros((batch_size, n))
# This is the (batch_size, n, H, W) tensor that I will fill
channels = torch.empty((batch_size, n, H, W))
for i, vector
浏览 1提问于2022-10-02得票数 0
回答已采纳
1回答
I有两个形状B的张量，3,240,320，其中B代表批量大小3代表通道，240代表高度(H)，320代表宽度(W)。 我需要沿着通道维度(3个通道)找到点积，因此得到的张量将是形状B，1,240,320。我的张量在gpu中有float32元素(从cuda到backprop)。 你们能建议我怎么做吗？ 谢谢! 更多说明： 假设我们有B=10，H=100，W=200。因此，从上面来看，第一个张量和第二个张量都是通用的。如果我们保持B，H，W不变，我们得到一个一维矢量作为结果张量(有3个元素)。我需要取这两个向量的点积。因此，得到的张量的维度是B，1,240,320
浏览 7提问于2021-03-17得票数 0
回答已采纳
我有3级张量( batch_size，num_rows，num_cols)，我想附加适当大小的行，从而得到3级张量，尺寸为batch_size，num_rows + 1，num_cols
例如，如果我有下面一批2x2矩阵
batch = [ [[2, 2],
[2, 2]],
[[3, 3],
[3, 3]],
[[4, 4],
[4, 4]] ]
并添加一个新行v = [1, 1]，那么所需的结果是
new_batch = [ [[2, 2],
[2, 2]
浏览 0提问于2018-03-12得票数 2
回答已采纳
我有两个火炬张量a和b，张量a的形状是batch_size，emb_size，张量b的形状是num_of_words，emb_size。我想对这两个张量做元素乘积，而不是点积。
我注意到"*“可以执行基于元素的产品，但它不适合我的情况。
例如，batch_size = 3，emb_size = 2，num_of_words = 5。
a = torch.rand((3,2))
b = torch.rand((5,2))
我想要这样的东西：
torch.cat([a[0]*b, a[1]*b, a[2]*b]).view(3, 5, 2)
但我想以一种高效和优雅的方式来做这件事。
浏览 13提问于2019-08-16得票数 1
回答已采纳
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
我编写了一个神经网络，它为每个输入样本返回一个由3个数字组成的列表。然后从实际值中减去这些值，以得到差异。
例如,
actual = [1,2,3]
predicted = [0,0,1]
diff = [1,2,2]
所以我的张量现在有了形状batch_size，3我想做的是迭代张量元素来构造我的损失函数。
例如，如果我的batch_size是2，最后
diff = [[a,b,c],[d,e,f]]
我希望失去的是
Loss = mean(sqrt(a^2+b^2+c^2), sqrt(d^2+e^2+f^2))
我知道TensorFlow有一个函数，它计算
浏览 1提问于2017-03-05得票数 3
回答已采纳
假设在训练网络期间，我们将所有图像的大小调整为512*512，因此可能存在一个名为input:0的tf.Tensor，其形状为(batch_size, 512, 512, 3)。 但是，在进行预测时，可以将多种尺寸的图像馈送到网络中。所以张量input:0的形状应该类似于(batch_size, None, None, 3)，因为图像的大小是未知的。 那么如果我有一个shape (batch_size, 512, 512, 3)的张量，我如何将它“重塑”成(batch_size, None, None, 3)？我试过了 inputs=tf.reshape(inputs, (batch_siz
浏览 11提问于2019-05-03得票数 0
3回答
两个3D张量之间的点积
、、、
我有两个三维张量，具有形状[B,N,S]的张量A和同样具有形状[B,N,S]的张量B。我想要得到的是第三个张量形状，我希望它是[B,B,N] C，这里的元素是C[i,j,k] = np.dot(A[i,k,:], B[j,k,:]。我也想实现这是一种矢量化的方式。 一些进一步的信息:两个张量A和B具有形状[Batch_size, Num_vectors, Vector_size]。张量C应该表示来自A的批次中的每个元素与来自B的批次中的每个元素之间的点积，以及所有不同向量之间的点积。 希望它足够清晰，并期待您的回答！
浏览 43提问于2019-06-26得票数 4
回答已采纳
1回答
我有维数[batch_size, num_rows, num_cols, num_values]的秩4张量和维数[num_values]的秩1张量。我想要计算第四列中值的点积和第1级张量，从而得到维数为[batch_size, num_rows, num_cols, 1]的4级张量，然后我可以将其tf.squeeze为维数[batch_size, num_rows, num_cols]的张量。有人知道我该怎么做吗？
浏览 0提问于2018-03-10得票数 0
回答已采纳
我有2个三维张量A的形状(batch_size，dim1，dim2)和B的大小(batch_size，dim2，dim3).我想执行以下计算：
C = np.zeros((batch_size, dim1, dim3))
for i in range(batch_size):
c[i] = A[i].dot(B[i])
我尝试了C = tf.matmul(A,B)，但得到了错误：
tensorflow.python.framework.errors_impl.InvalidArgumentError:形状必须为2级，但对于输入形状为10、100、100、10、100的“MatMul”
浏览 0提问于2018-02-22得票数 0
我有一个形状为[batch_size, D]的2D张量A，以及一个形状为[batch_size]的1D张量B。B的每个元素都是A的一个列索引，对于A的每一行，例如。B[i] in [0,D)。 在tensorflow中获取值A[B]的最佳方法是什么 例如： A = tf.constant([[0,1,2],
[3,4,5]])
B = tf.constant([2,1]) 使用所需的输出： some_slice_func(A, B) -> [2,4] 还有另一个限制。实际上，batch_size实际上就是None。 提前感谢！
浏览 98提问于2016-07-21得票数 3
回答已采纳
我有维数BATCH_SIZE，128的张量p，以及维数528,128的张量A，B。我想构建一个大小为BATCH_SIZE的新张量p‘，其中j列定义为：
tf.reduce_prod(self.A[j,:] * p + self.B[j,:], axis=1)
我现在有一个使用for循环的蛮力实现，但是它非常慢。有什么办法可以让我用广播之类的方式来加快速度吗？
ps = []
for j in xrange(self.A.shape[0]):
a = self.A[j,:]
b = self.B[j,:]
ps.append(tf.reduce_prod(a * p +
浏览 1提问于2018-04-27得票数 1
回答已采纳
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
1回答
我有一个四维Torch张量参数，定义如下： nn.parameter.Parameter(data=torch.Tensor((13,13,13,13)), requires_grad=True) 以及四个具有dims的张量(batch_size,13) (或一个具有dims的张量(batch_size,4,13))。我想得到一个张量，它的dims (batch_size)等于这张图末尾的公式:编辑:我在第一张图中犯了一个错误，我已经纠正了它 ? 我在torch文档中看到过tensordot函数，但我自己无法让它工作。
浏览 28提问于2021-01-20得票数 0
回答已采纳
在处理与问答(MRC)相关的问题时，我实现了两种不同的架构，它们独立地给出了两个张量(令牌上的概率分布)。这两个张量都是维度(batch_size,512)。我希望获得表单(batch_size,512)的最终输出。如何使用可训练权重组合两个张量，然后根据最终预测训练模型？
编辑(附加信息)：
因此，在我的NN模型的前向函数中，我使用BERT模型对512个令牌进行编码。这些编码是768维的。然后，这些被传递到线性层nn.Linear(768,1)以输出形状张量(batch_size,512,1)。除此之外，我还有另一个建立在BERT编码之上的模型，它也产生了形状的张量(batch_size，5
浏览 5提问于2020-06-21得票数 0
我有一个张量T的形状Batch_Size x Num_Items x Item_Dimension和另一个张量P的形状Batch_Size x Num_Items，其中Num_Items值在每批P之和为1(每批项目的概率分布)。根据概率分布P，我想在没有替换N项的情况下从T中取样本。由此得到的张量应该是Batch_Size x N x Item_Dimension形状的。我该怎么做？
浏览 2提问于2018-12-05得票数 0
回答已采纳
我正在Tensorflow中构建一个LSTM风格的神经网络，在将它传递到tf.nn.dynamic_rnn层之前，我很难确切地理解需要什么输入和后续的转换。
理解输入
输入函数是以以下形式发送特征张量。
batch_size，max_time
然而，手册指出输入张量必须是形式的。
batch_size，max_time，……
因此，我用一维张量将输入扩展为形式。
batch_size，max_time，1
此时，输入不会在运行时中断，但我不完全理解我们在这里做了什么，并怀疑它在计算损失时可能会导致问题(见下文)。
理解转换
这个扩展的张量就是下面代码中使用的“特性”张量。
LSTM_SIZE
浏览 3提问于2017-11-16得票数 1
回答已采纳
我有一个张量X，它的形状是(None，56,300，1)，还有一个张量y，它的形状是(None，15)，这些张量的第一个维数是batch_size，我想用y作为指数得到张量z，z的形状是(None，15,300，1)。有什么像样的方法吗？
我编写了一个简单的代码来测试，因为我发现这对我来说很困难，因为在实践中我不知道batch_size(这些张量的第一维不是)，
这是我的测试代码：
import numpy as np
import tensorflow as tf
# In this test code , batch_size is 4.
# params' shape is (
浏览 2提问于2017-07-29得票数 0
回答已采纳
我试图理解有关tensorflow的一些基础知识，但在阅读max pooling 2D layer的文档时遇到了问题：
max_pooling2d是这样指定的：
pool1 = tf.layers.max_pooling2d(inputs=conv1, pool_size=[2, 2], strides=2)
其中conv1有一个形状为[batch_size, image_width, image_height, channels]的张量，具体地说，在本例中是[batch_size, 28, 28, 32]。
所以我们的输入是一个形状为：[batch_size, 28, 28, 32]的张量。
浏览 2提问于2017-04-17得票数 8
例如，我得到一个张量[30,6,6,3]：30是batch_size，6X6是height x width，3是channels)。
我如何将它的元素从3X3重新排列到1X9，就像MATLAB中的像素一样？如图所述：
tf.reshape()似乎行不通。
浏览 3提问于2017-09-09得票数 3
我有一个形状为(batch_size, max_sequence_length, embedding_size)的张量，它被填充到最大长度来存储序列。我也有(batch_size, max_sequence_length, vocab)，例如： # Batch size many, (batch_size, 4, 8)
[2,4,1,4]
[7,4,2,0]
[6,0,0,0]
# Using EmbedID(ignore_label=0) to get (batch_size, 4, embeddeding_size) 例如，我们如何将其传递给Chainer中的NStepGRU链接？并且例
浏览 6提问于2019-04-13得票数 0
回答已采纳
1回答
我有一个候选文档嵌入张量，即cdd_doc_embeddings of size [batch_size, cdd_size, signal_length, embedding_dim]，一个历史单击文档嵌入张量，即his_doc_embeddings of size [batch_size, his_size, signal_length, embedding_dim]。
现在我要计算它们之间的cosine similarity，产生一个[batch_size, cdd_size, his_size, signal_length, signal_length]大小的张量fusion_matr
浏览 2提问于2020-12-14得票数 0
我试图对RNN输出应用加权平均方案。
神经网络输出用具有维数A的张量(a,b,c)表示。
我可以简单地用tf.reduce_mean(A,axis=1)来得到张量C有维数(a,c)。
然而，我想做张量A沿axis = 1的“加权平均值”。
权重在具有维数B的矩阵(d,b)中指定。
对于d = 1，我可以执行tf.tensordot(A,B,[1,1])来获得维度(a,c)的结果。
对于d=a，我无法计算加权平均值。
有人能提出解决办法吗？
浏览 1提问于2019-03-28得票数 2
回答已采纳
我正在尝试将在for循环中生成的张量(t)附加到一个列表T，该列表T累积了所有这些张量。接下来，列表T需要转换为张量，并需要加载到GPU上。 b_output = []
for eachInputId, eachMask in zip(b_input_ids, b_input_mask):
# unrolled into each individual document
# print(eachInputId.size()) # individual document here
out
浏览 62提问于2020-04-23得票数 1
我有一个模型，它接受相同形状(batch_size,512,512,1)的两个输入，并预测每个形状(batch_size,512,512,1)的两个掩码。
dataset_input = tf.data.Dataset.zip((dataset_img_A, dataset_img_B))
dataset_output = tf.data.Dataset.zip((seg_A, seg_B))
dataset = tf.data.Dataset.zip((dataset_input, dataset_output))
dataset = dataset.repeat()
dataset = d
浏览 4提问于2022-04-11得票数 1
回答已采纳
我想在TensorFlow中使用这个函数，但是它对3D张量而不是4D张量进行操作:我有一个外部维度batch_size。
tf.image.random_flip_left_right(input_image_data)
也就是说，此函数需要形状的张量(图像)：
(width, height, channels)
但我有多个图像，例如：
(batch_size, width, height, channels)
如何将随机翻转函数映射到批处理大小中的每个图像，并将具有相同4D形状的张量作为输出？
我的猜测是，它需要在函数入口处进行重塑，并在函数之后进行重塑，但我不确定这是否会破坏数据的结构，并
浏览 4提问于2016-09-19得票数 5
我的问题是:我有张量A of have [None, None, None, 3] ([batch_size, height, width, num_channels])和张量B。在运行时，保证 A和B将具有相同的形状。我想沿着num_channels轴连接这两个张量。
PS。请注意，我简化了原来的问题--因此，首先使用形状为[None, None, None, 6]的张量并不是一种选择。
浏览 3提问于2017-02-22得票数 2
1回答
我有一个张量，它是A = 40x1。 我需要将它与其他3个张量相乘：B = 40x100x384, C = 40x10, D=40x10。 例如，在张量B中，我们得到了40个100x384矩阵，我需要将这些矩阵中的每个矩阵与A中的相应元素相乘 在pytorch中做这件事最好的方法是什么？假设我们可以有更多的矩阵，比如B，C，D，它们总是以40xKxL或40xJ的形式出现
浏览 24提问于2019-05-14得票数 1
回答已采纳
我有一个[batch_size, num_kernels, kernel_dim]形状的张量。然后从它导出两个张量，一个是形状[batch_size, num_kernels, kernel_dim, 1]，另一个是形状[1, num_kernels, kernel_dim, batch_size]，然后从第一个得到[batch_size, num_kernels, kernel_dim, batch_size]形状(通过numpy、tensorflow等)中减去第二个张量。这是怎么回事？每个维度的意义是什么？例如，num_kernel是否仍然意味着作为原始张量的核数以及为什么？
更新：
这是
浏览 0提问于2018-08-19得票数 0
回答已采纳
3回答
如果我有一个形状为[batch_size, height, width, depth]的层的输出和另一个形状为[depth]的张量，我如何将第一个张量乘以第二个张量，使得沿depth方向的每个切片都乘以第二个张量中的相应值。也就是说，如果第二个张量是[4, 5, 6]，那么乘法是：
tensor1[:, :, :, 0] * 4
tensor1[:, :, :, 1] * 5
tensor1[:, :, :, 2] * 6
还有，这种乘法有没有一个我不知道去搜索的名字？谢谢!
浏览 1提问于2016-09-11得票数 6
回答已采纳
1回答
假设我有一个张量列表(A，B，C，其中每个张量都是形状的batch_size X 1024。
我想通过以下方式将所有张量合并为一个张量：
A的第一行是新张量的第一行，B的第一行是新张量的第一行，C的第一行是新张量的第三行，依此类推。
到目前为止，我使用的是for循环，这一点都没有效果。想听听更有效的方法。
谢谢
浏览 5提问于2020-05-01得票数 1
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
1回答
我有一个关于张量操作的想法，这个操作通过迭代不难实现，批量大小为1。不过，我想尽可能地并行化它。
我有两个形状为(n，5)的张量，称为X，Y。X实际上表示形状为(n，1)的5个一维张量：(x_1，…，x_n)。对Y也是。
我想计算一个形状为(n，25)的张量，其中每一列表示张量运算f( x_i，y_j)的输出，其中f对所有1 <= i，j <= 5都是固定的。f有输出形状(n，1)，就像x_i和y_i一样。
我认为重要的是要澄清，f本质上是一个完全连接的层，从级联的...x_i，形状(1，10)的...y_i张量到形状(1,5)的输出层。
同样，很容易看到如何使用迭代和切片手动完成
浏览 5提问于2022-03-30得票数 0
回答已采纳
1回答
我正在尝试将仿射变换应用于TensorFlow 2中包含一批图像(batch_size，通道，高度，宽度)的张量，表示为张量(batch_size，3，3)。 可以使用tfa.image.transform (https://www.tensorflow.org/addons/api_docs/python/tfa/image/transform)将一般变换应用于张量，但这需要将投影变换作为输入，而不是仿射变换。投影变换是表示变换的8维向量，而不是3X3矩阵。在Tensorflow 1中，这很容易解决，只需使用tf.contrib.image.matrices_to_flat_transfo
浏览 29提问于2021-03-31得票数 1
回答已采纳
我想用两个3-D张量做一个乘法，定义如下：
a = tf.random_uniform(shape = [5,3,3])
b = tf.ones(shape = [5,3,1])
c = tf.matmul(a,b)
但是我不能得到tf.matmul函数中描述的正确答案
浏览 1提问于2017-03-22得票数 1
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
我想计算两个张量:一维张量[batch_size, value]和四维张量[batch_size, L, W, D]。 我想要执行的计算可以用下面的for循环表示： tensor1D = ... #shape = [batch_size, value]
tensor4D = ... #shape = [batch_size, L, W, D]
result = tensor4D
for i in range(batch_size):
result[i] = tensor1D[i] * tensor4D[i]
return result result是我想要计算的
浏览 61提问于2021-09-30得票数 0
我想在某个索引处更新向量中的值。我找到做我想做的事。但是，我正在对操作进行批处理，这样我就有了一个数组batch_size*5，其中每一行都是我正在更新的大小为5的向量。我的batch_size在运行时确定。
在使用时，形状参数采用张量，它是将要产生的张量的形状。但是，如果第一个维度是在运行时确定的(例如，它是批处理大小)，那么我将得到一个错误：
TypeError: Input 'shape' of 'ScatterNd' Op has type int32 that does not match type int64 of argument 'ind
浏览 0提问于2017-10-08得票数 0
回答已采纳
假设我有一个形状的张量(b，h，w，d)
b: batch_size
h: height of image
w: width of image
d: feature dimension
我如何从它中随机抽取100个像素，使我有一个形状的张量(b，100，d)？
此外，如果我不知道h, w (测试时的情况是这样的)，我将如何做呢？
浏览 1提问于2018-04-09得票数 1
回答已采纳
我有一个具有以下特征的TensorFlow模型：
state_size = 800,
num_classes = 14313,
batch_size = 10,
num_steps = 16, # width of the tensor
num_layers = 3
x = tf.placeholder(tf.int32, [batch_size, num_steps], name='input_placeholder')
y = tf.placeholder(tf.int32, [batch_size, num_steps
浏览 2提问于2017-03-16得票数 2
回答已采纳
当我得到网络的输出时，它是一个张量，大小类似于batch_size，高度，weight.The含量是概率。我想要做的是为张量设置一个阈值，然后进行二值化处理。那么我应该对张量做什么呢？
浏览 0提问于2017-05-07得票数 0
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
实时音视频
即时通信 IM活动推荐
腾讯云开发者
