如何将张量中第0列的每个值设置为1
要将张量中第0列的每个值设置为1，可以使用以下代码：
import torch
# 创建一个张量
tensor = torch.tensor([[0, 2, 3],
[4, 5, 6],
[7, 8, 9]])
# 将第0列的每个值设置为1
tensor[:, 0] = 1
print(tensor)输出结果为：
tensor([[1, 2, 3],
[1, 5, 6],
[1, 8, 9]])在这个代码中，我们使用了PyTorch库来操作张量。首先，我们创建了一个3x3的张量tensor。然后，通过索引操作tensor[:, 0]，我们选择了第0列的所有元素。最后，我们将选中的元素赋值为1，即tensor[:, 0] = 1。这样就实现了将张量中第0列的每个值设置为1的操作。
需要注意的是，这里的索引是从0开始的，所以第0列对应的索引是0。另外，这个操作适用于任何维度的张量，不仅仅限于二维张量。
相关·内容
我有一个距离张量
tensor([ 5, 10, 2, 3, 4], device='cuda:0')
和一个指数张量
tensor([ 0, 2, 3], device='cuda:0')
我希望找到距离张量的argmax，但在指数张量指定的指数子集上只找到。
在本例中，我将查看距离张量的第0、第2和第3元素(值5、2、3)，并返回索引0(最大值-5位于距离张量的第0位)。
tensor([ 0], device='cuda:0')
这样的东西在不使用for循环的情况下可行吗？谢谢
浏览 3提问于2021-11-22得票数 0
回答已采纳
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
我有一个带形状BxWxH的张量A (B=Batch size，W=Width，H=Height)，并想将它转换为BxNx3形状的张量B (B=Batch size，N=Number of points=W*H)。
张量A表示深度图，例如张量0，1，2 =>给出批0中像素(1,2)的深度值。
张量B也表示深度图，但格式不同。张量B中的每个点都有以下三个维：(x坐标，y坐标，深度值)。
如何将张量A转化为张量B？
浏览 0提问于2021-03-02得票数 0
回答已采纳
我有两个张量，第4级的a和第1级的b，我想通过“收缩”离开的最后一个轴来生成3级的aprime，用它对b的点积代替它。在numpy中，这和np.tensordot(a, b, 1)一样简单。但是，我无法在Tensorflow中找到这样的方法。
如何将张量的最后一个轴替换为等于该轴的点积与另一个张量(当然，形状相同)的值？
更新
我在维基百科上看到，这被称为“张量内积”，也就是张量收缩。这似乎是一个常见的操作，我很惊讶在Tensorflow中没有明确的支持。
我相信，通过tf.einsum，这是可能的；然而，我还没有找到一种通用的方法来实现这一点，而这种方法适用于任何级别的张量(这可能是
浏览 5提问于2016-10-05得票数 0
使用PyTorch，我有一个尺寸为(b, 2, x, y)的多维张量A，以及尺寸(b, 2, x, y, 3)的另一个相关张量B。
我希望在dim=1中得到A中的最小值的索引(这个维数是2)，并将这个索引张量应用到B，这样我就可以得到一个形状(b, x, y, 3)的张量。
通过使用A_mins, indices = torch.min(A, dim=1)，我可以得到形状为(b, x, y)的张量indices，其中值是0还是1，这取决于A中dim=1的最小值。我不知道如何将其应用于B以获得所需的输出。我知道torch.index_select做了类似的工作，但只针对一维索引向量。
浏览 15提问于2022-02-23得票数 2
回答已采纳
1回答
我有一批图像(尺寸为“批大小x通道x高度x宽”的4d张量/数组)，我希望在每幅图像上绘制大小为s的水平条形图，但每幅图像跨越不同的行。我可以使用for循环来实现这一点，但是我还没有找到向量化的实现。
理想情况下，我会生成一个一维张量r的“批大小”随机起点，并做一些类似t[:,:,r:r+s,:] = 0。如果我尝试这个，我会得到TypeError: only integer scalar arrays can be converted to a scalar index
如果我做了一个玩具例子，试着拿出一个批中只有两个图像的两个不同的部分，做一些类似t[:,:,torch.tensor(([1
浏览 2提问于2019-11-03得票数 1
回答已采纳
我有下面的数据集，用于5个特征的过程，以产生1个输出和244000行。输出在第7列。每1/10秒采样一次。我想用一个时间步长为5的LSTM网络预测第7列(值1 (t+1))。
我的问题是:我的3D输入张量参数应该是什么？244000、5、5正确吗？如何将我的数据集重塑为此形状？
在尝试使用reshape numpy函数时，我得到了一个错误。
浏览 0提问于2017-12-27得票数 0
我是机器学习和强化学习的新手，我正在尝试创建一个人工智能代理来学习玩蛇。我很难选择/开发一个可以与输入/输出向量的形状工作的神经网络体系结构。
我的输入是一个3x10x10张量，基本上是蛇移动的10x10网格的3层(我在张量中只使用0和1s，标记第一层蛇身体部位的位置，在第二层标记苹果的位置，在第3层标记蛇的头部位置)。
对于我的输出，我正在寻找一个由4个值组成的向量，对应于玩家可用的4个可能的移动(将方向更改为上/下/左/右)。
我想知道在这种情况下如何选择架构的任何建议，以及关于我选择如何将我的游戏状态编码为输入向量以供代理训练的任何想法。
浏览 4提问于2022-09-21得票数 -1
回答已采纳
我想构建这样一种神经网络架构：。假设输入是一个4D张量(batch_size，1,1500，40)，那么我有3个2D-CNN层(具有批处理范数，relu，最大池化和丢弃)。在第三个cnn层的输出中，我获得了一个4D张量(None，120,1500，1)。现在我的问题来了，如何将GRU层与此输入形状连接起来？我尝试在keras中进行重塑(因此它变成了(None，1500,120))，并通过gru层提供输出，但出现了一些问题……还要考虑我用于训练的标签是3D张量(batch_size，1500，2)。我将keras模型和summary()命令的输出复制到这里：
input_data = I
浏览 0提问于2018-02-14得票数 1
我正在尝试将张量对象中的一个矩阵切片为numpy矩阵，并将其用于部分计算。但是从张量对象到numpy数组的赋值不会像下面这样工作。
import tensorflow as tf
import numpy as np
def assignC():
C_copy = np.zeros((2,2))
C = tf.matmul(tf.transpose(x), x)
C_copy[0,0] = C[0,0]
#C_copy[0,0] = C[0,0].eval() # error saying "You must feed a value for pla
浏览 2提问于2016-06-21得票数 0
1回答
复制或创建零-张量
、、、
什么是好使用火炬张量:复制或创造新张量？速度呢？目标是在每次调用方法时得到一个具有常数大小的新零张量。
class CopyOrCreateZeros:
def __init__(self):
self.fx = torch.zeros((800, 600))
pass
def method(self, x):
""" this method will be used many ofter e.g. in loop """
# do something
浏览 5提问于2021-08-11得票数 0
1回答
我尝试在ForestFires数据集上运行线性回归。数据集可在Kaggle上使用，我的尝试要点如下：
我面临两个问题：
预测输出为32x1，目标数据形状为32。
输入和目标形状不匹配:输入32x1，目标32
利用视图，我重塑了预测张量。
y_pred = y_pred.view(inputs.shape)
为什么预测张量和实际张量的形状不匹配？
火把中的SGD从不汇合。我尝试使用
打印(torch.mean((y_pred-标签)**2)
此值不匹配。
损失=标准(y_pred，标签)
有人能突出指出我代码中的错误在哪里吗？
谢谢。
浏览 0提问于2018-07-30得票数 1
回答已采纳
2回答
我试图影响这篇文章：具体地说，就是第2节中的等式(3)。
简而言之，我想对每个小批量的特征进行成对距离计算，并将此损失插入到一般网络损失中。我只有批次(16个样本)的Tesnor，批次的标签张量和批次特征张量。
在找了很长一段时间后，我仍然不能弄清楚以下几点：
1)如何将批次分为正对(即相同的标签)和负对。因为张量是不可迭代的，所以我不知道如何得到哪个样本有哪个标签，然后除以我的向量，或者得到张量的哪些索引属于每个类。
2)如何对批量张量中的一些指标进行成对距离计算？
3)我还需要为反例定义一个新的距离函数
总体而言，我需要获得哪些索引属于哪个类，对所有正对进行正对距离计算。并对所有负对进行另
浏览 0提问于2016-05-27得票数 14
回答已采纳
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
Google的明确表示，我可以通过以下步骤为Tensorflow模型创建输入张量：
创建feature_set =将特性名映射到ml.features.FeatureColumn对象的dict
将feature_set传递到ml.Preprocess以生成元数据对象
调用ml.features.FeatureMetadata.parse_features，它使用元数据对象创建一个张量，将表示tf.Example-encoded训练示例的张量转换为表示feature_set中的特性的张量。
但是，当我在我的ml.features.ImageFeatureColumn中包括一个
浏览 5提问于2016-11-21得票数 1
1回答
我需要实现一个列表，如下图所示。
有一些元素，用不同的颜色描边：
BLACK -带有GridLayoutManager的回收器视图
蓝色-回收器视图的项目
还有一些彩色线条，表示元素之间的距离。相同长度的线条是equals.Green线条比粉红色短
主要问题是:如何将粉色距离添加到元素1-6，并使第7个元素与recyclerview的边界对齐？
浏览 0提问于2017-01-19得票数 0
2回答
我有一个形状的输入张量(32,256,256,256)。在这个张量形状中，32是批次大小。第二，256是给定大小为256×256的图像中的信道数。
我想做池，以便将张量转换成形状( 32，32,256,256)。在PyTorch中，如果我尝试应用池，则形状的最后两个维度(与图像相关)正在发生变化，但与通道相关的维度却没有变化。
能否将池应用于输入张量以获得输出张量？如果不可能，建议我如何将输入张量转换为输出张量？
浏览 0提问于2021-09-23得票数 1
1回答
我有一组形状为50的(50,128,128,1)图像，它表示为TensorFlow中的张量。假设25th和30th图像只是零图像，但我不知道预先哪些图像都为零(本例中的25th和30th只是为了更清楚地说明情况)。我希望删除这样的图像，并有一个张量，是大小(48,128,128,1)。如何在Tensorflow中实现这一点，而无需循环通过张量50时间的50维数，并检查每幅图像是否为tf.reduce_sum(tf.abs(image_i))>0。
浏览 4提问于2020-01-17得票数 1
回答已采纳
1回答
我有一个PyTorch张量a，形状如下：
import torch
a = torch.tensor([[[1., 0., 0., 0.]],
[[0., 1., 0., 0.]],
[[1., 0., 0., 0.]],
[[0., 0., 0., 1.]],
[[1., 0., 0., 0.]],
[[0., 0., 0., 1.]],
[[1., 0., 0., 0.]]])
张量a的每一行都有4个元素，1和0，假设I相应地索引这个张量的行和列。例如，行0(最上面的行)中的条目是[[1., 0
浏览 1提问于2020-08-09得票数 1
回答已采纳
如何将PyTorch Tensor转换为python列表？
我当前的用例是将一个大小为[1, 2048, 1, 1]的张量转换为一个包含2048个元素的列表。
我的张量有浮点值。有没有一种解决方案可以同时处理int和其他可能的数据类型？
浏览 1提问于2018-12-23得票数 63
回答已采纳
我有两个问题：
1)我想知道如何将大小为1的常量加/减到大小为30.的torch.FloatTensor的所有元素中。
2) I如何将大小为30的torch.FloatTensor的每个元素乘以一个随机值(每个元素不同与否)。
我的代码：
import torch
dtype = torch.cuda.FloatTensor
def main():
pop, xmax, xmin = 30, 5, -5
x = (xmax-xmin)*torch.rand(pop).type(dtype)+xmin
y
浏览 2提问于2017-11-13得票数 1
回答已采纳
假设，我们有张量
t = torch.tensor([True, False, True, False])
如何将其转换为具有值[1, 0, 1, 0]的整数张量
浏览 3提问于2020-06-02得票数 6
回答已采纳
2回答
我的conv2d函数的输出是一个四维张量[64, 32, 32, 64] = [batch_size, output_height, output_width, number of filters].我想在两边做3行，两边也做3列到输出矩阵的0。所以，这就是为什么我想要创建一个类似的张量(mask_tensor)，大小为[64, 26+3(zero_pad), 26+3 (zero_pad), 64]，并与原始矩阵相乘。我想要访问[26, 26]并在上面放置零填充.如何获取张量的内维？
import tensorflow as tf
drop_matrix = tf.constant(1,
浏览 2提问于2018-04-30得票数 0
回答已采纳
假设我有一个形状为600，11的TensorFlow张量，最后(第11)列的所有元素都是零。我想像这样迭代张量的值:对于每一行，我检查该行的前10个元素的最大值是否大于值X。如果为True，则保持该行不变，如果为False，则将行的前10个元素设置为等于0，并使第11个元素等于1。如何做到这一点？我的张量的结构如下所示： import tensorflow as tf
a = tf.zeros([600, 1], dtype=tf.float32)
b = tf.random.uniform([600,10], minval=0, maxval=1, dtype=tf.float32)
c
浏览 35提问于2019-03-25得票数 0
有谁知道如何将opencv.js垫子转换为张量，这样我就可以将其输入到我的tensorflow.js分类器中？ 以下代码显示了我在读取和预处理要分类的图像时所做的工作： img_array = cv.imread(document.getElementById('picture1'), cv.IMREAD_GRAYSCALE);
cv.cvtColor(img_array, img_array, cv.COLOR_RGBA2GRAY);
let dsize = new cv.Size(100, 100);
cv.resize(img_array, img_array, dsi
浏览 39提问于2021-07-06得票数 1
回答已采纳
1回答
在PyTorch中，给定size=3的张量，如何将其扩展到size=3,2,5,5，使所添加的维具有与原始张量相对应的值。例如，使size=3 vector=[1,2,3]，使大小为2,5,5的第一个张量具有1值，第二个张量具有所有值2，第三个张量为3。
此外，如何将大小为3,2,5,5的向量扩展为3,2，5，5
一种方法，我可以认为，通过创建一个向量的大小相同的1-类，然后是总结，但我认为应该有一个更容易的方法。
浏览 0提问于2022-02-21得票数 3
回答已采纳
我需要将维度N的张量列表转换为具有维度N+1的新张量，以便新维度将是最右边的维度。
例如，如果x和y都是形状(4,3)的张量，那么我试图通过形成z并将张量x设置为沿第三维的第0个元素，并将张量y设置为沿第三维的第一个元素来创建形状(4,3,2)的新张量z。在伪代码中：
z = tf.fromList([x,y],3)
在Tensorflow中实现这一点的最佳方法是什么。我无法从TF 0.7.1的文档中找出它。
浏览 0提问于2016-03-02得票数 9
我试图在一个循环中训练多个Keras模型来评估不同的参数。为了避免内存问题，我在每个模型构建之前调用K.clear_session()。
添加K.clear_session()调用后，我在保存第二个模型时开始得到这个错误。
ValueError(“张量%s不是此图的一个元素”) ValueError:张量张量(“级别1/内核:0”，shape=(3，3，3，16)，dtype=float32_ref)不是该图的元素。在处理上述异常的过程中，发生了另一个异常：
追溯(最近一次调用)：文件"/home/gus/workspaces/wpy/cnn/srs/train_generators
浏览 1提问于2019-04-18得票数 0
回答已采纳
2回答
我目前正试图在Tensorflow中实现一个分段最大池操作，如所描述的那样。给出一个句子，我想把它分成三个不同的部分，最大将所有的部分分开，这样我就可以得到3个不同的值，而不是1。
更具体地说，我有一个张量training的形状[batch_len, 1, sentence_len, feature_len]。我还有另一个张量splits of shape [batch_len, 2]，其中任意行的第一个元素是拆分第一部分的索引，而第二个元素是拆分最后一部分的索引。我希望以一种基于training张量中提供的值索引值将其划分为树状部分的方式对splits张量进行索引。
我们不能简单地使用另一个
浏览 1提问于2017-11-16得票数 1
回答已采纳
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
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
假设我有张量
tensor([[0, 1, 2, 2],
[2, 4, 2, 4],
[3, 4, 3, 1],
[4, 4, 4, 3]])
和指数的张量
tensor([[1],
[2],
[1],
[3]])
我想要计算指数值匹配的平均值。在这种情况下，我想要第1行和第3行的平均值，所以最后的输出应该是
tensor([[1.5, 2.5, 2.5, 1.5],
[2, 4, 2, 4],
[4, 4, 4, 3]])
浏览 6提问于2022-04-28得票数 0
回答已采纳
在阅读文档时，我对教程中给出的示例感到非常困惑。例如，填充是[[1,1,],[2,2]]，它如何导致结果张量具有如图所示的形状。此外，产生这些填充值的机制是什么，例如在红色圆圈中标记的值。目前还不清楚如何将解释与示例连接起来。
浏览 2提问于2016-08-29得票数 11
回答已采纳
1回答
我有一长串的值存储在一个一维张量中，我喜欢从中收集值。给定一个2d张量，其中第二维表示一组指数，我想计算一个新的2d张量，其中第二维是指数所收集的所有值。基本上，我有一批指数，我用这些指数从一维张量中得到一批值。
我刚开始使用pytorch，但是我成功地用py手电筒的集合函数计算出了
list_values = torch.tensor([1, 2, 3, 4, 5, 6])
list_values = list_values.unsqueeze(0)
list_values = list_values.expand((2, 6))
indices = torch.tensor([[1, 2]
浏览 6提问于2021-01-19得票数 0
回答已采纳
1回答
在我提出这个问题之前，让我先说明这个问题已经在许多文章中得到了回答，但我仍然很难理解word嵌入的基本格式。 让我们从“我喜欢狗”这句话开始。假设一个简单的散列方法，“我喜欢狗”可以用向量1，4，6表示，其中向量的元素对应于每个单词的散列(假设这些不是词汇表中的唯一单词)。据我所知，这个向量被馈送到一个嵌入层，该嵌入层在RNN的输入张量上添加了一个额外的嵌入维度(不必是普通的RNN)。 对于批中的单个条目，嵌入张量(假设嵌入维度为2)如下所示： [4.55，6.78，-> i 3.12，8.17，-> like 1.87，10.95] ->狗 这个张量的形状是(1，3，2)
浏览 14提问于2018-12-21得票数 2
回答已采纳
我有10个元素的张量。如何将每个元素添加为标量汇总，最好显示在Tensorboard中的同一图形上？
浏览 2提问于2019-04-12得票数 0
我正在学习tf.contrib.opt.ScipyOptimizerInterface，并在演示中限制每个权重都是非负的。
# -*- coding: utf-8 -*-
import tensorflow as tf
vector = tf.constant([.021,.046,.013], name='vector')
wt = tf.Variable([1./3,1./3,1./3], 'wt')
loss = -tf.reduce_sum(tf.multiply(vector,wt,'loss'))
equalities = [tf
浏览 1提问于2017-01-13得票数 2
回答已采纳
1回答
我有这个张量： tensor([[[1, 2],
[3, 4]],
[[5, 6],
[7, 8]]]) 我有这个索引张量： tensor([0, 1]) 我想要得到的是根据dim 1的子张量和索引张量中的相应索引，也就是： tensor([[1, 2],
[7, 8]]) 我尝试使用torch.gather()函数和高级索引，但没有成功，有人能帮上忙吗？
浏览 36提问于2021-04-16得票数 0
1回答
我想连接Tensorflow中的变量和张量，但是Tensorflow不允许这两种类型连接。
下面是我如何连接这两个张量：
self.embedded_chars = tf.nn.embedding_lookup(self.W, self.input_x) //returns Tensor object
v1 = tf.Variable(tf.zeros([88,77]),dtype=tf.float32)
self.embedded_chars = tf.concat(1,[self.embedded_chars,v1])
但我得到了以下错误：
文件"test.py"，第93
浏览 1提问于2017-03-28得票数 0
回答已采纳
我在分布式TensorFlow的控制实现中遇到了问题。为了不使用无关的详细信息，该解决方案应用了一种特定的消息协议，以便利用RDMA直接从源/目标张量写入源/目标张量，从而节省CPU上的内存副本。
假设我有两个边，A和B，A想要得到B的张量。该议定书如下：
A向B发送REQUEST消息。
B在本地查找张量(BaseRendezvousMgr::RecvLocalAsync)，并向A发送META-DATA响应。
A使用元数据分配目标张量，并向包含目标地址的B发送ACK。
B接收ACK，并对目标地址执行远程DMA写入。
在REQUEST和ACK之间，通过将局部张量保存在本地
浏览 2提问于2017-12-24得票数 0
我发现Tensorflow提供了scatter_update()来为0维中的张量片赋值。例如，如果张量T是三维的，我可以将值v[1, :, :]赋值给T[i, :, :]。
a = tf.Variable(tf.zeros([10,36,36]))
value = np.ones([1,36,36])
d = tf.scatter_update(a,[0],value)
with tf.Session() as sess:
sess.run(tf.initialize_all_variables())
print a.eval()
sess.run(d)
浏览 14提问于2016-08-26得票数 33
回答已采纳
1回答
当将TF模型转换为tflite模型(换句话说，使用“训练后量化”对模型进行量化)时，Relu层将从图形中消失。这在中得到了解释：“可以简单地从图(tf.identity)中删除、由张量(tf.placeholder)代替或融合成更复杂的操作(tf.nn.bias_add)。”
我的问题是:如何将Relu层融合到前一层？(这种“融合”之外的数学是什么？这是量化模型的一个特定过程，还是可以在最初的浮点模型中实现？)
浏览 14提问于2020-05-25得票数 1
回答已采纳
如果我使用tf.Variable创建一个张量，我可以决定这个张量是否可以训练。但是，如果我以以下方式定义张量B，如何将它设置为不可训练：
A=tf.placeholder(tf.int32,shape=[None,100])
B=tf.zeros_like(A)
浏览 3提问于2016-07-19得票数 0
回答已采纳
下面是我使用tensorflow的代码，我已经尝试调试这个错误两天了.
changed_result = y_conv.eval(feed_dict={x: pixelNew, keep_prob: 1.0})
以及：
changed_result = tf.Variable([0.0],tf.float32)
我试着把changed_result变成张量，或者只是不声明它。两个人都没用。
以下是整个错误描述：
回溯(最近一次调用)：文件"deepMnist.py"，第235行，在tf.app.run中(main=main，argv=[sys.argv] +未解析)
文件&#
浏览 1提问于2017-03-15得票数 1
回答已采纳
我尝试向keras模型张量提供numpy数组的值。但是张量是4D的，阵列是3D的。如何将这个3Dnumpy数组(128,128，3)转换为4D (?，128,128，3)张量？
浏览 13提问于2020-07-26得票数 0
1回答
盲像反褶积
、、、
本文提出的盲图像反褶积算法的实现
但我很难理解算法的某些部分：
如何计算能量函数(5)
B1 * k2是一个矩阵，对吗？那么，如何在矩阵上计算(4)呢？
另外，还不清楚如何计算各向异性扩散张量(9)。
任何帮助都很感激！谢谢!
浏览 1提问于2013-10-11得票数 0
回答已采纳
1回答
张量运算与梯度
、、、、
我在youtube上上了一些教程，下面的代码示例用于解释衍生产品
创建张量。
x = torch.tensor(3.)
w = torch.tensor(4., requires_grad=True)
b = torch.tensor(5., requires_grad=True)
x, w, b
算术运算
y = w * x + b
y
计算导数
y.backward()
显示梯度
print('dy/dx:', x.grad)
print('dy/dw:', w.grad)
浏览 1提问于2021-12-14得票数 1
回答已采纳
给定张量a的形状(n, f)和形状(m, f)的b，我创建了一个函数来计算这两个张量之间的欧氏距离。
import tensorflow as tf
nr = tf.reduce_sum(tf.square(a), 1)
nw = tf.reduce_sum(tf.square(b), 1)
nr = tf.reshape(nr, [-1, 1])
nw = tf.reshape(nw, [1, -1])
res = nr - 2*tf.matmul(a, b, False, True) + nw
res = tf.argmin(res, axis=1)
到目前为止，代码运行得稍微快一些(
浏览 1提问于2020-03-08得票数 1
回答已采纳
我有一个关于Tensorflow中的乘法的问题，我有一个秩3张量A和秩2张量B，怎样才能得到秩3张量C与C的第一维数中的每个元素之间的乘积A(第一维)和张量B之间的乘法？例：
A= [[[1,2],[3,4]],[[5,6],[7,8]]]
B = [[2,3],[4,5]]
最后，我想得到一个3级张量C：
C = [A[:,0,0]*B,A[1,:0,:]*B]
= [[[1,2],[3,4]]*B,[[5,6],[7,8]]*B]
非常感谢!
浏览 1提问于2019-02-13得票数 2
回答已采纳
我有(3000，4)形状的数据，特征是(产品，商店，周，数量)。数量是目标。
所以我想把这个矩阵重构成张量，而不需要混合相应的量。
例如，如果有30个产品，20个商店和5个星期，张量的形状应该是(5，20，30)，并有相应的数量。因为在整个数据中不会有类似的条目(存储A，产品X，第3周)两次，所以每个商店x产品x周对应该有一个相应的数量。
对于如何实现这一点有什么建议，还是有任何逻辑错误？谢谢。
浏览 0提问于2018-11-15得票数 1
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
