如何将函数应用于二维张量的每个元素？
将函数应用于二维张量的每个元素可以通过循环遍历每个元素并逐个应用函数来实现。以下是一个示例代码，展示了如何使用Python和NumPy库来实现这个过程：
import numpy as np
# 定义一个示例函数，将元素加倍
def double(x):
return 2 * x
# 创建一个二维张量
tensor = np.array([[1, 2, 3], [4, 5, 6]])
# 获取张量的形状
shape = tensor.shape
# 创建一个与原始张量形状相同的全零张量，用于存储结果
result = np.zeros(shape)
# 遍历每个元素并应用函数
for i in range(shape[0]):
for j in range(shape[1]):
result[i, j] = double(tensor[i, j])
# 打印结果
print(result)这段代码首先定义了一个示例函数double(x)，它将输入的元素加倍。然后，创建了一个二维张量tensor，并获取了其形状。接下来，创建了一个与原始张量形状相同的全零张量result，用于存储结果。然后，通过嵌套的循环遍历每个元素，并将函数double()应用于每个元素，将结果存储在result张量中。最后，打印出结果。
这种方法可以应用于任何函数和任何二维张量。根据具体的需求，可以自定义不同的函数来实现不同的操作。
相关·内容
我在tensorflow中有一个二维张量，
例如，一个2*4张量[1.,2.,3.,4.,2.,4.,5.,6.]。
我有一个函数a()，让张量中的每一行都通过，然后对a()的所有结果求和。怎么做(不是在会话中做)？
输出应该是a(1.,2.,3.,4.) + a(2.,4.,5.,6.)，实际上我有一个非常大的张量，有很多行。
这不同于reduce_sum，因为这里的a()函数相当复杂，不能通过矢量化直接使用。
非常感谢！
浏览 3提问于2018-06-25得票数 2
1回答
我有一个用tensorflow编写的函数，它操作数组。它接受二维数组并对数组的一部分执行一些操作，然后输出一个大小和形状相同的数组，但元素经过了修改。我的问题是，在我的模型中，我不是一次只得到一个数组，而是得到一批形状(batch_size，array_size，channel)。由于通道通常是单声道，因此输入批次是4D张量。有没有什么方法可以将我的函数应用到这个4D张量中的每一层(矩阵)，而不需要对函数进行重大修改？
该函数类似于：
def myFunction(matrix):
# function body
return another_matrix
我如何才能将它应
浏览 0提问于2017-01-25得票数 0
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
我正在做一个动态批量大小的DQN训练。我有两个通行证：
第一遍:使用不同的样本对DNN进行几次后续的前向传播，直到某个特定事件发生。在这一步中，我保存了所有的输入(一维张量)，以便在第二遍中重放。因为使用C++不能创建具有动态形状的张量，所以我将它们存储为一维张量的std::vector。
第二遍:计算预期输出，并使用相同的DNN执行前向传播和反向传播。这一次，我使用二维张量作为输入，在一次运行中计算所有样本。
问题是如何从一维张量的向量最有效地创建这个二维输入张量？还是说我做错了？
浏览 15提问于2018-09-03得票数 1
我有一个32x32x3格式的10.000张图片的张量。因此张量是形状( D4 (10000,32,32,3)。
Tensor("...", shape=(10000, 32, 32, 3), dtype=float32)
现在，我想将tf.image.per_image_standardization操作应用于各个图像：
tf. image. per_image_standardization (...)
这种情况下的最佳实践是什么？也许把张量分成10000个张量，形状是(32,32,3)？
浏览 5提问于2018-01-08得票数 1
回答已采纳
简单地说，我想知道在torch中是否有张量命令，它给我张量中满足某种标准的元素的指数。
下面是matlab代码，它说明了我想要在火炬中做什么：
my_mat = magic(3); % returns a 3 by 3 matrix with the numbers 1 through 9
greater_than_fives = find(my_mat > 5); % find indices of all values greater than 5, the " > 5" is a logical elementwise operator that return
浏览 1提问于2015-05-17得票数 5
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
我有一个带有动态轴的输入变量X。我想这样做: map( function，X)，其中function也将返回一个张量
浏览 0提问于2017-05-26得票数 0
3回答
我有一个三维[batch_size, sequence_length, number_of_tokens]的张量。最后一个维度是一个热编码。我想得到一个二维张量，其中sequence_length包含number_of_tokens维数'1‘的索引位置。
例如，转动形状的张量( (2, 3, 4) )
[[[0, 1, 0, 0]
[1, 0, 0, 0]
[0, 0, 0, 1]]
[[1, 0, 0, 0]
[1, 0, 0, 0]
[0, 0, 1, 0]]]
变成形状(2, 3)的张量，其中number_of_tokens维数被转换成1的位置：
[[1, 0, 3]
[0, 0
浏览 10提问于2021-05-05得票数 2
回答已采纳
使用PyTorch，torch.combinations将只接受一个一维张量作为输入，但我想将它应用于多维张量中的每个一维张量。
inp = torch.tensor([[1, 2, 3],
[2, 3, 4]])
torch.combinations((inp), r=2)
结果是一个错误，说我不能将它应用于那个形状，但我想单独将它应用于[1, 2, 3]和[2, 3, 4]。我不能一个一个地做，因为我的想法是将这个应用于大数据集。
inp = torch.tensor([[1,2,3],[2,3,4]])
inp_tuple = torch.un
浏览 44提问于2022-08-01得票数 0
回答已采纳
1回答
如何从二维数组(即结构张量场)计算结构张量？
我不知道我在执行过程中做错了什么。在我的例子中，2D数组是一幅二维灰度图像，下面是我使用C++和特征所做工作的一般概述：
// the 2D grey-scale image, represented by a 2D array of doubles
ArrayXXd img;
// compute the gradient vector field, which produces a 2D array of 2D vectors
typedef Array<Vector2d, Dynamic, Dynamic> ArrayXXv2;
浏览 5提问于2013-05-29得票数 1
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
我有一个具有[#batch, #MaxSequence, #Features]形状的张量[#batch, #MaxSequence, #Features]，其中第2维的实际长度(可能小于#MaxSequence)存储在张量L中。我想排序的第二个特点，在第3维的顺序在每批A。我看到这个使用tf.gather和tf.nn.top_k对二维张量进行排序，但我不知道如何将它应用于3D情况。我需要用循环来做吗？
浏览 1提问于2017-10-04得票数 3
回答已采纳
在TensorFlow中，我有一个形状为[batch_of_batches_size,batch_of_images_size,image_height,image_width,nchannels]的张量x。它表示一批图像。x的第一个索引(我将称之为“批处理索引”)指向特定批处理，第二个索引指向批处理中的特定图像。x的其余三个索引表示图像本身，其维度为image_heightby-image_width和nchannels通道.我想把二维卷积应用到图像中。过滤器具有高度filter_height和宽度filter_width，我希望使用'SAME'填充，所有跨距都等于1。但是对
浏览 0提问于2017-09-06得票数 1
回答已采纳
我有一个由多个字段组成的tf.data.Dataset (例如feature1、feature2、feature3、label)。如何将其转换为Tensor (特性、标签)，以便传递给Keras进行模型培训？
更新
tf.data.Dataset是一个类似的字典：
{
'feature1': 1.5,
'feature2': 5.6,
'feature3': 7.9,
'label': 1.0
}
预期的Keras输入格式是一个具有两个张量(features_tensor, label_tensor
浏览 0提问于2020-04-21得票数 0
回答已采纳
我正在努力更好地理解Keras层。我正在开发一个序列序列模型，在该模型中嵌入一个句子并将其传递给返回序列的LSTM。接下来，我想在句子中的每个时间步长(word)上应用一个密集的层，就像TimeDistributed为像这个例子一样的三维张量所做的工作。
在我的理解中，稠密层只对二维张量起作用，而TimeDistributed只是在三维的每个时间步骤上应用相同的密度。那么，一个人不可以简单地平缓时间步骤，应用一个密集的层，并执行一次整形以获得相同的结果，还是这些在某种程度上不等同于我所错过的？
浏览 2提问于2018-12-07得票数 6
回答已采纳
当我注意到model.fit必须接受两个参数、输入和输出以及一些配置时，我正在学习TensorFlow.js。但输入是二维张量，写成如下：
let input = tf.tensor2d([1, 2, 3, 4, 5], [5, 1])
这看起来非常像一维张量，写成如下：
let input = tf.tensor1d([1, 2, 3, 4, 5])
由于二维张量实际上是5乘以1，所以我决定用一维张量来代替它。然而，这完全停止了程序的工作。那么，有没有某种类型的代码要求输入必须是二维的？如果是这样，为什么？
关于多维张量的话题，我还注意到model.predict不能接受零维张量或标量。见下
浏览 46提问于2019-11-07得票数 1
回答已采纳
我有一个使用tensorflow后端进行文本分类的keras模型。它目前假设输入是一个整数的numpy数组。
我想修改这个，这样我就可以在原始文本上进行训练和预测。根据我收集的信息，这涉及到使用tf.transform将字符串的张量转换为整数的张量。
我已经使用tf.transform做到了这一点，但现在不确定如何将这个预处理步骤添加到我的模型中作为第一层/步骤。为了清楚起见，我的输入数据如下所示：
[{"review":"movie is great}, {"review":"awful film"}]
输出结果为：
[{"re
浏览 1提问于2018-10-20得票数 4
所以我有一个张量，model，其中M是模型的数目，B是批，C是类，每个单元是给定模型和批处理的类的概率。然后，我得到了一个正确答案的张量，也就是B大小的1D，我们称之为"t“。如何使用大小为1D的B来返回MxBx1，其中返回的张量只是正确类的值？假设M张量被称为"blah“，我试过了
blah[:, :, C]
for i in range(M):
blah[i, :, C]
blah[:, C, :]
前2只返回每个切片第3维中的索引t值。最后一个返回二维t索引处的值。我该怎么做？
浏览 1提问于2021-04-01得票数 3
回答已采纳
我要聚合一个二维张量。规则是，如果变量"idx“中的数字是相同的，则平均对应的张量。下面是问题所在。
idx = torch.tensor([[0, 1, 2], [1, 2, 3], [3, 4, 5]])
x = torch.tensor([[10, 10, 10], [11, 11, 11], [12, 12, 12],
[13, 13, 13], [14, 14, 14], [15, 15, 15],
[16, 16, 16], [17, 17, 17], [18, 18, 18]])
例如，由于索引(1，
浏览 12提问于2022-06-25得票数 1
有没有办法在Tensorflow中找到二维张量中的最高k值？
我可以用tf.nn.top_k做一维张量，但它不能用二维张量。我有一个尺寸未知的二维张量，有没有办法找出k值及其指数？
非常感谢。
浏览 0提问于2018-06-11得票数 3
回答已采纳
我试着在由坐标组成的二维数组上使用约简，我没有太多的经验，有一个叫做func的函数，我必须将这个函数应用到数组的每个元素上。例如：
func=lambda x:x-1
array=[[5,9],[10,3]]
reduce (lambda x,y: ...,array)
OUTPUT should be -> [[4,8],[9,2]]
我只是把每个元素减少1。谢谢。
浏览 2提问于2016-04-08得票数 1
2回答
是否可以在具有单个值的张量上运行map_fn？
以下工作：
import tensorflow as tf
a = tf.constant(1.0, shape=[3])
tf.map_fn(lambda x: x+1, a)
#output: [2.0, 2.0, 2.0]
然而，这并不是：
import tensorflow as tf
b = tf.constant(1.0)
tf.map_fn(lambda x: x+1, b)
#expected output: 2.0
有可能吗？
我做错了什么？
任何提示都将不胜感激！
浏览 0提问于2018-05-21得票数 4
回答已采纳
1回答
假设我有以下张量：
N = 2
k = 3
d = 2
L = torch.arange(N * k * d * d).view(N, k, d, d)
L
tensor([[[[ 0, 1],
[ 2, 3]],
[[ 4, 5],
[ 6, 7]],
[[ 8, 9],
[10, 11]]],
[[[12, 13],
[14, 15]],
[[16, 17],
[18, 19]],
浏览 6提问于2020-06-07得票数 0
回答已采纳
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
我正在向tf.nn.dynamic_rnn函数传递一个3层的LSTM .我想以一种特定的方式处理来自dynamic_rnn函数的输出:也就是说，我想让dynamic_rnn输出流到一个完全连接的层。dynamic_rnn输出为3阶张量，形状为[batch_size, sequence_length, hidden_dim].
我过去常常将output[:, -1] (其形状为[batch_size, hidden_dim] )传递给FC层，因为我过去只想使用dynamic_rnn的最后一个输出。
然而，这一次我想使用整个序列的输出，也就是output[:]，这是一个三维张量，但是连接到FC层的
浏览 5提问于2017-09-11得票数 1
回答已采纳
我试图用指数张量来分割张量。为此，我尝试使用tf.gather。但是，我很难理解，不能像我期望的那样让它正常工作：
我有两个张量。具有[1,240,4]形状的[1,240,4]张量和形状[1,1,120]的ids张量。我想将activations张量的第二维与ids张量的第三维中提供的指数分开：
downsampled_activations = tf.gather(activations, ids, axis=1)
我给了它axis=1选项，因为它是activations张量中的轴，我想切片。
但是，这不会呈现预期的结果，只会给出以下错误：
tensorflow.python.framewo
浏览 5提问于2020-09-26得票数 4
回答已采纳
2回答
我有一个输入张量，开始时有零填充，然后是一个值序列。所以，就像：
x = torch.tensor([[0, 2, 8, 12],
[0, 0, 6, 3]])
我需要的是另一个张量，具有相同的形状，并保留0的填充和增加的序列，其余的数字。所以我的输出张量应该是：
y = ([[0, 1, 2, 3],
[0, 0, 1, 2]])
我试过这样的方法：
MAX_SEQ=4
seq_start = np.nonzero(x)
start = seq_start[0][0]
pos_id = torch.cat((torch.from_numpy(n
浏览 3提问于2020-12-27得票数 1
回答已采纳
我有一系列一维大小不同的二维数组，例如(20,87)，(20,100)，(20,76)，等等……这些阵列由时间步长(时间)的Mel频率倒谱系数(Mel)、so (Mel、time )组成。
为了在Tensorflow中训练CNN，我需要向字典提供一些这样的二维数组。
我希望有一个3d数组，因为我的输入张量是:x=tf.placeholder(‘x=tf.placeholder’，shape=(n，mfccs，times))，其中n是批量大小。因此，批处理将是具有以下形状的3d数组：(n，mfccs，times)，其中只有时间维度的大小发生变化。
我还想使用二维数组的列表而不是三维数组。但是在列
浏览 4提问于2017-04-04得票数 1
2回答
对于任何二维张量
[2,5,4,7，7,5,6,8]，
我想对每一行中的顶部k元素做softmax，然后通过将所有其他元素替换为0来构造一个新的张量。
其结果应该是求出每一行[7,5,8,7]上k(此处为k=2)元素的软最大值，即[0.880797,0.11920291，0.7310586,0.26894143]，然后根据原张量中的顶k元素的指数重建一个新的张量，最终的结果应该是
[0，0.11920291，0.880797，0.26894143，0，0.7310586]。
是否有可能在tensorflow中实现这种蒙面软件？事先非常感谢！
浏览 0提问于2018-11-13得票数 6
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
我试图将线性层应用到二维张量矩阵中，如下图所示，只通过列连接它。
输入形状为(batch_size，3，50)。我首先尝试了二维卷积，增加了一个通道维数，所以输入的形状是(batch_size，1，3，50)。
import torch.nn as nn
import torch
class ColumnConv(nn.Module):
def __init__(self):
self.layers = nn.Sequential(
nn.Conv2d(
in_channels=1,
浏览 1提问于2020-03-29得票数 3
回答已采纳
2回答
我有一个关于tf的map函数的问题。我在使用这个函数时遇到了奇怪的行为。如果我按照手册中的说明进行操作
label_tensor # shape [150, 1]
y = tf.map_fun(lambda x: x*x, label_tensor)
# returns y as a tensor with label_tensor x^2
然而，如果我想实现我自己的函数，它似乎不起作用。它总是将一个张量传递给指定的函数，而不是用来处理张量的。
y = tf.map_fn(special_fun, label_tensor)
def special_fun(key):
return
浏览 55提问于2018-09-10得票数 3
回答已采纳
1回答
有什么办法来实现最大池，根据规范的子向量在一个群体中，在毕道尔？具体来说，这就是我想要实现的：
输入
x：二维浮动张量，形状为#节点* dim
集群：一维长张量，形状#节点
输出
y，二维浮动张量，和：
yi=xk k=argmax_{clusterk=i}(torch.norm(xk，p=2)).
我尝试了torch.scatter和reduce="max"，但这只适用于dim=1 and x[i]>0。
有人能帮我解决这个问题吗？
浏览 8提问于2022-08-22得票数 0
我还在学习Tensorflow，我正在尝试更改Darkflow中一些代码中的损失函数
网络输出一个形状为49,3,2的给定张量。我想取张量最后一部分的两个元素，并用一些代码对它们进行处理。然后，我想将数据返回。所以有点像一个地图，它可以与Tensorflow一起工作。
更多上下文-我试图更改的文件的。
所以不知道怎么做，如果我在这个问题上还不够清楚，请询问更多信息。我还在努力想清楚我到底想做什么。
e.g
S = 7
SS = S * S
C = 8
B = 3
size1 = [None, SS, C]
size2 = [None, SS, B]
# Extract the coo
浏览 0提问于2018-04-01得票数 0
1回答
我需要对CNN使用此损失函数list_distance和list_residual是来自隐藏层的输出张量，这对计算损失很重要，但当我执行代码时，它会返回此错误 TypeError:张量对象只有在启用了紧急执行时才是可迭代的。要迭代此张量，请使用tf.map_fn。 有没有其他方法可以在不使用X中的costruct x的情况下迭代张量，或者将其转换为numpy数组，或者使用keras的后端函数？ def DBL(y_true, y_pred, list_distances, list_residual, l=0.65):
prob_dist = []
Li = []
浏览 11提问于2019-04-02得票数 1
回答已采纳
我试图用二维张量来索引Tensorflow中的三维张量.例如，我有x of shape [2, 3, 4]
[[[ 0, 1, 2, 3],
[ 4, 5, 6, 7],
[ 8, 9, 10, 11]],
[[12, 13, 14, 15],
[16, 17, 18, 19],
[20, 21, 22, 23]]]
我想用另一个张量y of shape [2, 3]对它进行索引，其中y的每个元素都索引x的最后一个维度。例如，如果我们有y，比如：
[[0, 2, 3],
[1, 0, 2]]
形状[2, 3]的输出
[[0, 6, 11],
[13, 16
浏览 0提问于2018-03-12得票数 1
回答已采纳
2回答
如何展开火火炬中张量的维数
、、、、
我是新来的火把手。如果我有这样的张量：
A = torch.tensor([1，2，3，4，5，6])，
但我的问题是如何得到二维张量，如：
B = Tensor([[[1, 2, 3],
[4, 5, 6]],
[[1, 2, 3],
[4, 5, 6]]])
浏览 5提问于2022-06-09得票数 2
1回答
我在玩GPT2，我有两个张量：
O：形状(B，S1，V)的输出张量，其中B是批大小，S是时间步数，V是词汇表的大小。这是一个生成模型的输出，并且沿着第二维度被软化。
L：二维张量形状(B，S1)，其中每个元素都是每个样本的每个时间步长的正确标记的索引。这基本上是标签。
我想从张量O中提取相应的正确令牌的预测概率，基于张量L，使我最终得到一个二维张量形状(B，S)。除了使用循环之外，有没有一种有效的方法来做到这一点？
浏览 9提问于2020-09-18得票数 0
我正在将一批图像传递给深度神经网络，并从这些图像中获得一些张量形式的输出。现在，我想将这个张量值传递给某个函数，该函数接受uint形式的输入，并且一次可以处理单个图像。假设我有这样的输出：( 4 ,320,320,3)，我想在第一个维度上迭代，也就是在4上迭代。所以，它每次都会读取单个图像并传递给那个函数。
浏览 19提问于2020-07-19得票数 0
回答已采纳
你好，我是tensorflow的新手，目前，我正在处理彩色图像，这是PCAS。
我以“红色”、“绿色”和“蓝色”的形式提取了PCAS，并计算了与“红色”、“绿色”和“蓝色”成分相关的权重。
在做完以上所有的工作之后，我想把所有三个二维矩阵组合成一个三维矩阵。
对于tensorflow来说，它是一个三维张量。
def multi(h0,ppca,mu,i,scope=None):
with tf.variable_scope(scope or"multi"):
return tf.matmul(ppca[:,:,0],h0[i,:,:,0]) + tf.resha
浏览 6提问于2017-04-19得票数 1
回答已采纳
在火炬文档中，交叉熵损失是这样说的：
输入必须是尺寸的张量(小批，C)
这是否意味着对于二进制(0,1)预测，输入必须转换为(N,2)张量，其中第二维等于(1-p)？
因此，例如，如果我预测一个类的目标1 (true)为0.75，是否需要将两个值(0.75；0.25)叠加在一起作为输入？
浏览 0提问于2018-08-18得票数 9
回答已采纳
3回答
如何将二维字符数组转换为字符串？
int main()
{
char foo[3][3] = {{'a','b','c'}, {'d','e','f'},{'g','h','i'}};
string bar;
bar = foo;
cout<< bar; //abcdefghi
return 0;
}
另外，您是否可以仅将二维数组的选定部分转换为字符串？
int main()
{
char foo[3]
浏览 0提问于2014-02-27得票数 1
回答已采纳
我想对特定维度上的张量进行排序，并返回相同维度的张量，该张量指定每个元素的排序索引。看起来tf.nn.top_k可以返回排序后的索引，但是如何将其映射回来呢？
input = [[10, 3, 1], [5, 6, 2], [1, 7, 10]]
_, indices = tf.nn.top_k(input, k=3, sorted=True)
indices = [[0, 1, 2], [1, 0, 2], [2, 0, 1]]
我希望得到的是
reordered = [[0, 1, 2], [1, 0, 2], [2, 1, 0]]
浏览 1提问于2017-07-11得票数 1
我有两个二维张量，想要得到它们的笛卡尔乘积。所谓笛卡儿，我指的是第一张量的每一行和第二张量的每一行的连接。例如：
输入：
[1,2,3,4,5,6]
和
[7,8,9,10]
输出：
[1,2,3,7,8，
1,2,3,9,10，
4,5,6,7,8
4,5,6,9,10]
我见过，但这个案子行不通。最适合它的是什么？
谢谢
浏览 1提问于2018-06-11得票数 2
回答已采纳
1回答
为什么我不能计算平均值？
、、、、
尝试创建一个表来计算我的数据的平均值，但是sapply不起作用，它总是给我一个错误，那就是'x‘必须是至少二维的数组 这是我的代码 #Question 1
set.seed(10000)
v <- c(0.1,0.5,1,2,5,10,100)
lyst <- list()
for(i in v)
{
for(j in v)
{
elementname <- paste0(as.character(i),"-",as.character(j))
print(elementname)
lyst[[elementna
浏览 11提问于2020-04-03得票数 0
回答已采纳
假设我有这样的张量：
T = [[1,2,3,4],
[5,6,7,8],
[9,10,11,12]].
我用reduce_sum(T，1)把所有的和都用一个不同的张量，但是我似乎找不到一种方法来把和分成一行。我如何将每一行的总和除以Tensorflow (即1,2,3,4除以10，5,6,7,8除以26，等等)？
浏览 7提问于2017-05-21得票数 4
回答已采纳
1回答
我们有一个输出目标的模型，它是一个二维张量。也就是说，输出表示一组n个类，在数据中的m中计算。即输出形状为：[none, n, m]。此外，类是高度不平衡的，所以我们需要使用权重来平衡整个类的损失。
例如，具有三个类别(A、B和C)、4个桶和1批大小的目标形状是：
Target =
[[[A1, A2, A3, A4],
[B1, B2, B3, B4],
[C1, C2, C3, C4]]]
我研究了Keras中类权重的使用，并对它进行了广泛的讨论，但是99%的输出是一个类向量，每个类都有一个单一的目标结果。在我们的例子中，我们为每个类都有一个目标数组。
我假设我们可以使用这
浏览 0提问于2023-04-23得票数 0
回答已采纳
2回答
纵火线性法中的多维输入？
、、、
在构造一个简单的感知器神经网络时，我们通常将格式(batch_size,features)输入的2D矩阵传递给二维权矩阵，类似于中的这种简单的神经网络。我总是假设神经网络的感知器/密集/线性层只接受2D格式的输入，并输出另一个2D输出。但最近，我遇到了这样一个模型:线性层接受三维输入张量，并输出另一个三维张量(o1 = self.a1(x))。
import torch
import torch.nn as nn
import torch.nn.functional as F
import torch.optim as optim
class Net(nn.Module):
def
浏览 3提问于2019-10-28得票数 3
回答已采纳
4回答
对于numpy，我可以这样做一个简单的矩阵乘法：
a = numpy.ones((3, 2))
b = numpy.ones((2, 1))
result = a.dot(b)
但是，这不适用于PyTorch：
a = torch.ones((3, 2))
b = torch.ones((2, 1))
result = torch.dot(a, b)
此代码引发以下错误：
RuntimeError:一维张量，但得到二维张量和二维张量
如何在PyTorch中执行矩阵乘法？
浏览 9提问于2017-06-13得票数 84
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
对象存储
即时通信 IM
实时音视频活动推荐
腾讯云开发者
