如何将tf.image.per_image_standardization()应用于形状错误的张量？
tf.image.per_image_standardization()是一个用于对图像进行标准化处理的函数，它可以将输入的图像张量进行标准化操作，使得图像的均值为0，方差为1。
当我们遇到形状错误的张量时，可以通过调整张量的形状来解决。具体步骤如下：
- 首先，我们需要了解tf.image.per_image_standardization()函数的输入要求。该函数要求输入的张量形状为height, width, channels，即高度、宽度和通道数。如果我们的张量形状不符合要求，就需要进行调整。
- 确定我们期望的张量形状。根据实际需求，我们可以确定期望的高度、宽度和通道数。
- 使用tf.reshape()函数调整张量的形状。根据期望的形状，我们可以使用tf.reshape()函数将张量的形状调整为height, width, channels。
- 调用tf.image.per_image_standardization()函数对调整后的张量进行标准化处理。
下面是一个示例代码：
import tensorflow as tf
# 假设我们有一个形状错误的张量input_tensor，形状为[channels, height, width]
input_tensor = ...
# 调整张量形状为[height, width, channels]
height = ...
width = ...
channels = ...
reshaped_tensor = tf.reshape(input_tensor, [height, width, channels])
# 对调整后的张量进行标准化处理
normalized_tensor = tf.image.per_image_standardization(reshaped_tensor)在这个示例中，我们首先使用tf.reshape()函数将形状错误的张量调整为正确的形状，然后再调用tf.image.per_image_standardization()函数对调整后的张量进行标准化处理。
需要注意的是，具体的调整方法和参数需要根据实际情况进行确定。在实际应用中，我们可能需要根据具体的业务需求和数据特点来调整张量的形状和参数。
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，包括图像识别、图像分析、图像增强等功能，可以帮助开发者快速实现图像处理相关的需求。
相关·内容
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
2回答
我在角角有三个张量：
张量形状a：(?,4)
张量形状b：(?,4)
张量形状c：(?, 2, 4)
其中?是批处理大小。我想计算宇宙间的相似性：
a和b
a和c的每一行(本例中为2行)
要计算a和b之间的cos，可以直接执行以下操作：
from keras.layers import Reshape, merge
cos_a_b = Reshape((1,))(merge([a, b], mode='cos', dot_axes=1))
输出的格式为(?,1)，如预期的那样。
但是，我无法找到a和c之间的cos相似性(输出应该是(?, 2)
浏览 3提问于2017-09-20得票数 0
回答已采纳
1回答
如何将形状为None，128的张量为1,128的张量连接起来。这里，第一个张量是一些未知长度的数据，第二个张量是不依赖于数据大小的固定张量。最后的输出应该是shapeNone，328。这是神经网络连接的一部分。
我试过了
> c = Concatenate(axis = -1, name = 'DQN_Input')([ a, b])
在这里，a.shape = (None，192)和b.shape = (1,128)，但这是行不通的。错误是
ValueError：Concatenate层需要具有匹配形状的输入，但凹轴除外。获得输入形状：(None，192)，(1,12
浏览 0提问于2021-11-13得票数 0
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
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
我的模型生成一个形状为128 ,1的输出张量t1，我想连接另一个形状为1，1的张量t2。有没有什么方法可以连接不同形状的张量？
我认为以下链接中的解决方案不适用于上述场景。
浏览 5提问于2018-07-20得票数 0
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
我正在尝试将形状为(253,223)的图像的张量转换为相同大小的numpy数组，以便我可以绘制图像。我看过文档，他们建议我使用eval函数，如下所示 sess = tf.Session()
with sess.as_default():
print(type(tf.constant([img1]).eval())) 但它会抛出错误“当期望单个张量时抛出张量列表”。 这里类型(Img1)是<class 'tensorflow.python.framework.ops.Tensor'>，形状是(253,223)。使用keras tf.keras.backend.
浏览 24提问于2019-05-28得票数 0
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
我正在研究一个注意模型，在运行最后一个模型之前，我正在研究流经代码的张量形状。我有个手术需要重塑张量。张量是形状的torch.Size([[30, 8, 9, 64]])，30是batch_size，8是注意头的数目(这与我的问题无关) 9是句子中的字数，64是单词的中间嵌入表示。在进一步处理之前，我必须将张量重塑为torch.size([30, 9, 512])的大小。因此，我在网上查看一些参考资料，他们做了下面的x.transpose(1, 2).contiguous().view(30, -1, 512)，而我认为这应该可以用于x.transpose(1, 2).reshape(30,
浏览 3提问于2019-04-24得票数 8
我通过TensorArray获得了一个包含不同形状张量列表的tf.while_loop()，但是我不知道如何将它们作为一个普通的张量列表。
例如：
TensorArray([[1,2], [1,2,3], ...]) -> [Tensor([1,2]), Tensor([1,2,3]), ...]
res = tf.TensorArray(dtype=tf.int32, size=0, dynamic_size=True, infer_shape=False)
res = res.write(0, (1, 2))
res = res.write(0, (1, 2, 3))
with tf
浏览 2提问于2019-06-27得票数 3
回答已采纳
假设我有一个形状为[3, 5, 200, 300, 3]的张量。如何将前两个dim合并在一起，以获得具有shape [15, 200, 300, 3]的张量？然后我应该能够反向合并操作，并具有原始的形状。
浏览 33提问于2017-08-28得票数 5
回答已采纳
给定一个张量，其形状仅在计算时已知，假设存在一个先验条件，假设最后一个维度严格是n的倍数，如何将形状张量转换为例如(n1, n2, m*n)到(n1, n2, m, n)。
浏览 4提问于2018-12-05得票数 1
给定形状为a，n和y的张量x，形状为b，n，函数f(p，q)对形状为1,n的张量进行运算并返回一个标量值，如何在x和y的批量维度上成对地计算f，以便我得到的张量为a,b,1 我知道这适用于这里描述的乘法和加法这样的操作:通过隐式广播的Evaluate all pair combinations of rows of two tensors in tensorflow。 如何将其扩展到任意函数？ 应用程序是我想要计算两个张量的成对KL散度来匹配它们，所以基本上是一个蛮力NN计算。
浏览 12提问于2019-12-12得票数 1
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
给定形式的张量
T = tf.placeholder(tf.float32, [None, 2])
如何将T分成形状(?，1)的两个单独的张量，每列一个？
浏览 0提问于2018-06-10得票数 3
1回答
张量a在torch.Size([2, 2, 1, 2])的形状--如何将这个张量扩展到torch.Size([2, 4, 1, 2])的形状，而不使用for循环，这需要时间。
例如，我有张量a
>>> print(a, a.shape)
tensor([[[[0.2955, 0.8836]],
[[0.7607, 0.6657]]],
[[[0.6779, 0.5109]],
[[0.0785, 0.6564]]]]) torch.Size([2, 2, 1, 2])
我想把它扩展成张量b
>>>
浏览 13提问于2022-08-10得票数 0
回答已采纳
这是密码
tfd = tfp.distributions
tfb = tfp.bijectors
# A common choice for a normalizing flow is to use a Gaussian for the base
# distribution. (However, any continuous distribution would work.) E.g.,
nvp = tfd.TransformedDistribution(
distribution=tfd.MultivariateNormalDiag(loc=[0., 0., 0.]),
浏览 3提问于2020-04-11得票数 0
回答已采纳
如何将张量重塑成占位符的形状？
a = tf.placeholder(shape=[None, None, 48])
h, w, c = a.shape
b = tf.reshape(a, shape=[-1, 4, 4, 3]) # flatten the first two dimension and expand the last dimension
# do something
c = tf.reshape(b, shape=[h, w, 3]) # reshape back to the shape of a, but error occurs
我想将张量b重新映射到占位符a的形状。
浏览 0提问于2018-05-20得票数 1
回答已采纳
张量形状为批量、高度、宽度、沟道。让我们把张量取为8，64，64，1，我怎么能把它切成8，56，56，1呢？请注意，功能56*56是从64*64取来的。
浏览 5提问于2017-05-16得票数 1
1回答
我得到了两个形状分别为(X,y)和(y,)的张量，keras中有什么函数可以将它们相加吗？我只在中找到了K.bias_add，但它不工作。错误是：
TypeError: Failed to convert object of type <class 'tuple'> to Tensor.
我的变量类型是：
>>x :<class 'tensorflow.python.framework.ops.Tensor'>
>>b :<class 'tensorflow.python.framework.ops
浏览 8提问于2018-07-26得票数 1
回答已采纳
我不知道如何将PyTorch方法adaptive_avg_pool2d转换为Keras或TensorFlow。有人能帮忙吗？PyTorch方法
adaptive_avg_pool2d(14,[14])
我尝试使用平均池，在Keras中重新构造张量，但得到了错误：
ValueError:新数组的总大小必须保持不变
浏览 4提问于2018-10-03得票数 4
我正在开发基于bigram的LSTM。
因为我引入了嵌入，所以我必须选择正确的损失函数。这是我的选择：
loss=tf.reduce_mean(tf.nn.sampled_softmax_loss(weights=softmax_weights,\
biases=softmax_biases, \
labels=tf.concat(train_labels,0),\
inputs=logits,\
num_sampled=num_sampled,\
浏览 2提问于2017-06-18得票数 0
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
假设我在Tensorflow中有一个形状[3,4,4]的张量，它不是明确知道的。如何将其形状更改为[3,4,4,1]
我尝试使用重塑函数，但因为我不清楚张量形状，所以不能直接使用。
浏览 0提问于2019-02-26得票数 1
Pytorch提供torch.topk(input, k, dim=None, largest=True, sorted=True)函数来计算给定维数dim上给定input张量的k最大元素。
我有一个(64, 128, 512)形状的张量，我使用torch.topk的方式如下-
reduce = input.topk(k, dim=1).values
我发现类似的tensorflow实现如下- tf.nn.top_k(input, k=1, sorted=True, name=None)。
我的问题是如何将dim=1参数加入到tf.nn.top_k中，从而实现与pytorch计算的形状相同的张
浏览 6提问于2022-01-20得票数 1
回答已采纳
我必须用大小(b，c，h，w)的两个张量(c)来规范尺寸的张量，这两个张量代表了各自的均值和标准差。
我想不出如何将形状张量乘以torch.Size(1，3,128,128)和形状torch.Size(3)的张量。
我想要完成的是:取小张量的第一个元素，用它乘以大张量的第一个128x128部分。对第二个元素和第二个128x128张量这样做。
def normalize(img, mean, std):
""" Normalizes an image tensor.
# Parameters:
@img, torch.tensor of
浏览 5提问于2022-10-29得票数 0
回答已采纳
2回答
我的输入数据是None，2,100，基本上我有一组2单元格数组，每个数组包含大小为100的向量。我希望通过一个单独的输入层运行每个向量，在该层之后将结果连接到一个向量中。
我的问题如下:给定一个形状为None，2100的张量，如何将其转换为无号、100号的张量？然后，给出两个张量，大小为None，50，我如何将它们连接成大小为None，100的张量？
提前谢谢。
浏览 1提问于2016-11-17得票数 2
回答已采纳
1回答
烟囱尺寸必须完全相同吗？
、、、
在“火把”中，给定形状的张量( a of (1X11) )和形状的张量( b of (1X11) )，torch.stack((a,b),0)会给出形状(2X11)的张量。
然而，当a为形状(2X11)而b为形状(1X11)时，torch.stack((a,b),0)将引起错误cf。“两个张量大小必须完全相同”。
因为这两个张量是模型的输出(梯度包括)，所以我不能将它们转换为numpy来使用np.stack()或np.vstack()。
是否有任何可能的解决方案，至少GPU内存使用？
浏览 0提问于2018-05-17得票数 8
回答已采纳
问题：
假设我有两个张量，a和b。两者具有相同的形状：[?, 10, 4096]。
如何将两者拉链，使由此产生的张量形状为?，20,4096，，但同时也是，使得a的ith元素就在b的ith元素之前。
列表示例：
a = [1, 3, 5]
b = [2, 4, 6]
现在我想要一个张量，它看起来像[1, 2, 3, 4, 5, 6]和，而不是 [1, 3, 5, 2, 4, 6]，这就是如果我用tf.stack和tf.stack，然后使用tf.reshape会发生什么，对吗？
或者一个更普遍的问题是，你怎么知道tf.reshape是按照什么顺序重塑张量的？
浏览 1提问于2018-02-20得票数 0
回答已采纳
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
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
如何重塑粗糙的张量？
、、、
假设将两个三维嵌入序列叠加到一个粗糙的张量中：
import tensorflow as tf
def foo(*args):
n_elements = tf.reduce_prod(args)
return tf.range(n_elements, dtype=tf.float32).reshape(args)
c = tf.ragged.stack((foo(2, 3), foo(5, 3)), axis=0)
assert c.shape == [2, None, None]
如何将c转换为形状[2, None, 3] (因为您知道这个张量就是这个形状)？
浏览 5提问于2022-05-24得票数 2
回答已采纳
假设我有一个张量a和一个张量b import torch
a = torch.tensor([[[ 0.8856, 0.1411, -0.1856, -0.1425],
[-0.0971, 0.1251, 0.1608, -0.1302],
[-0.0901, 0.3215, 0.1763, -0.0412]],
[[ 0.8856, 0.1411, -0.1856, -0.1425],
[-0.0971, 0.1251, 0.1608, -0.1302],
[-0.0901, 0.3215, 0.1763, -0.0412]]]
浏览 8提问于2020-03-26得票数 0
回答已采纳
1回答
如何将焊枪张量列表分离到数组中
、、、、
有一个PyTorch张量列表，我想将其转换为数组，但它是错误引发的：
'list‘对象没有属性'cpu’
如何将其转换为数组？
import torch
result = []
for i in range(3):
x = torch.randn((3, 4, 5))
result.append(x)
a = result.cpu().detach().numpy()
浏览 1提问于2020-11-10得票数 1
回答已采纳
假设我在tensorflow图中有一个形状为1,32,16,1的张量t1和另一个形状为1,10,12,1的张量t2。
如何将t2分配到t1中的本地块(t11，11:20，4:15，1=t2，numpy )
或者添加(t11，11:20，4:15，1+t2 in numpy )？
浏览 4提问于2017-11-25得票数 0
我有一个生火张量：x = torch.zeros(2, 2)，和另一个变量值的张量：item = torch.tensor([[1, 2], [3, 4]])，我只是给出这个张量。
我想添加item张量作为x张量的每个元素，这样
x = [[item, item],
[item, item]]
所以x是张量，里面有张量。我尝试将item直接赋值给x，但得到了一个错误：RuntimeError: The expanded size of the tensor must match the existing size at non-singleton dimension
浏览 4提问于2021-03-01得票数 1
回答已采纳
1回答
如何进行分层乘法？
、、、
我有一个张量，包含五个2x2矩阵-形状(1,5,2,2)，张量包含5个元素-形状(5)。我想把每个2x2矩阵(前一个张量)乘以相应的值(在后一个张量中)。结果张量应为形状(1,5,2,2)。怎么做？
在运行此代码时获取以下错误
a = torch.rand(1,5,2,2)
print(a.shape)
b = torch.rand(5)
print(b.shape)
mul = a*b
RuntimeError: The size of tensor a (2) must match the size of tensor b (5) at non-singleton dimension 3
浏览 1提问于2020-05-02得票数 2
稀疏tensor.shape方法返回一个张量对象，该对象似乎对提取稀疏张量的实际形状没有任何用处，而不是求助于运行函数。
为了阐明我的意思，首先考虑一个稀疏张量：
A= tf.SparseTensor(indices=[0，0，0，1，2，1]，values=1.0+2j，2.0，shape=3，4，2)
a.shape返回：
形状‘tf.Tensor张量_1/形状:0’shape=(3，) dtype=int64
这是没有用的。
现在，考虑一个密集的张量：
A= tf.constant(np.random.normal(0.0，1.0，(4，4)).astype(dtype=np.compl
浏览 3提问于2016-10-27得票数 0
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
因此，我将一些分辨率为1024x1024的图像加载到张量列表中，然后使用函数set_shape将列表中每个张量的形状更改为128,128,3：
但是，当我调用eval()并检查来自张量的图像的形状时，它显示形状是1024,1024,3。
那么为什么set_shape没有抛出一个错误呢？
浏览 4提问于2020-12-04得票数 0
1回答
我似乎想不出如何在Keras中正确地“切片”数组/张量。我正在写我自己的损失函数，我想加入一个季节性的影响。这里的简单想法是将值与一段时间前的值进行比较。在numpy中，我会写这样的东西(每天一段时间)：
np.mean(np.abs(y_true[24:] - y_true[-24:]))
但是，如果我想在Keras环境中这样做的话：
K.mean(K.abs(y_true[24:] - y_true[-24:]), axis=-1)
我总是得到一个形状错配
InvalidArgumentError:不兼容形状
我现在的问题是：
在y_true和y_pred不再是np.arrays，
浏览 0提问于2019-07-22得票数 1
我正在使用tf.nn.dynamic_rnn类创建一个LSTM。
在深入研究了SO和TensorFlow的GitHub页面之后，我发现有些人提到我应该编写自己的LSTM单元格，该单元格返回作为LSTM的output的一部分打印的任何内容。然而，这对我来说似乎并不简单，因为隐藏状态和LSTM的输出并不具有相同的形状。
LSTM的输出张量具有形状[16, 1]，隐藏状态是形状[16, 16]的张量。将它们连接在一起会产生形状为[16, 17]的张量。当我试图返回它时，我得到了一个错误，说一些形状op需要一个形状为[16,1]的张量。
有谁知道解决这种情况的更简单的方法吗？我想知道是否可以使用tf.
浏览 3提问于2018-05-21得票数 0
我想知道我们应该如何将不同形状的多个张量连接成角的一个张量。为此我尝试了tf.keras.layers.concatenate，如下所示：
import tensorflow as tf
from tf.keras.layers import concatenate
print(tensor_1.shape)
print(tensor_2.shape)
new_tensor = concatenate([tensor_1, tensor_2],axis=1)
new_tensor
但我得到了以下值错误：
shape of tensor_1 (?, 30, 30, 128)
shape of
浏览 2提问于2021-02-15得票数 0
回答已采纳
1回答
我有一个张量t1 (形状为(2*n, 2*n) )，我需要创建张量t2 (形状为(2*n))，并在[i,(i+n) mod 2n]处为每个行i设置t1的值。
例如，给定：
t1 = torch.tensor([[1, 2, 3, 4],
[5, 6, 7, 8],
[9 ,10,11,12],
[13,14,15,16]])
在这里，n=2。
t2必须为[3,8,9,14]。
我有这样的代码：
t2 = torch.tensor([t1[i,(i+n)%(2*n)] for i i
浏览 0提问于2021-01-03得票数 0
1回答
我最终迁移到了TF 2.1，并且我正在尝试将我的代码移植到原生TF 2.1。所以这里有一个问题:如何将不同等级的粗糙张量重塑为一维张量？本质上，我有一组权重矩阵，例如。[3,3,1,32], [32], [21632,20], [20], [20,10], [10] (这些是形状，不是值)，我想把整个怪物展平成一个一维张量。做这件事最有效的方法是什么？更好的是，我如何编写一个函数来展平任意长度的任意形状参差不齐的张量？
目前，我正在使用以下解决方案，但我怀疑Python list可能会极大地降低速度：
gradlist = []
for g in gradients:
gradlist
浏览 6提问于2020-05-07得票数 0
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
假设我们有两个TensorFlow张量：input和weights。
比方说，input是n个图像的张量。所以它的形状是n，H，W，C。weights是n个标量权重的简单列表：[w1 w2 ... wn]
其目的是将每个图像与其相应的权重进行标量相乘。
如何做到这一点？
我尝试使用具有1x1核的tf.nn.conv2D，但我不知道如何将秩1权重张量重塑为所需的秩4核张量。
任何帮助都将不胜感激。
浏览 2提问于2019-10-20得票数 1
1回答
如何将None外维添加到张量？
具体地说，我有一个形状为299,299的张量，我希望将其作为tensorflow SavedModel对象的输出返回。但是SavedModel对象希望一个未知的外部维度能够处理批处理。
tf.expand_dims()添加了一个额外的维度，但它被设置为1。
浏览 2提问于2018-11-14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
实时音视频
对象存储
云直播活动推荐
腾讯云开发者
