如何用f(x)代替2维张量的每个元素x？
在云计算领域中，可以使用函数 f(x) 来代替2维张量的每个元素 x。具体而言，可以通过遍历2维张量的每个元素，并将其作为输入传递给函数 f(x)，然后将函数 f(x) 的输出作为替代元素存储在新的2维张量中。
使用函数 f(x) 代替2维张量的每个元素 x 可以实现对每个元素进行个性化的处理和转换。这种方法在许多场景中都非常有用，例如图像处理、自然语言处理、机器学习等领域。
优势：
- 灵活性：使用函数 f(x) 可以根据具体需求对每个元素进行个性化的处理，提供了更大的灵活性和定制化能力。
- 高效性：通过使用函数 f(x)，可以将对2维张量的操作转化为对函数的操作，从而提高计算效率和性能。
- 可扩展性：使用函数 f(x) 可以轻松地扩展到更高维度的张量，适用于处理更复杂的数据结构和问题。
应用场景：
- 图像处理：可以使用函数 f(x) 对图像的每个像素进行处理，例如调整亮度、对比度、色彩等。
- 自然语言处理：可以使用函数 f(x) 对文本数据进行处理，例如分词、词性标注、情感分析等。
- 机器学习：可以使用函数 f(x) 对输入数据进行特征提取、数据预处理等操作，为机器学习算法提供更好的输入。
推荐的腾讯云相关产品：
腾讯云提供了丰富的云计算产品和服务，以下是一些相关产品的介绍链接地址：
- 云服务器（CVM）：https://cloud.tencent.com/product/cvm
- 云数据库 MySQL 版（CDB）：https://cloud.tencent.com/product/cdb
- 人工智能平台（AI Lab）：https://cloud.tencent.com/product/ailab
- 云存储（COS）：https://cloud.tencent.com/product/cos
- 云原生应用引擎（TKE）：https://cloud.tencent.com/product/tke
请注意，以上推荐的产品链接仅供参考，具体选择应根据实际需求和情况进行评估和决策。
相关·内容
1回答
theano中张量的形式定义
、、、、
我正试着制作char-rnn，它预测了与Theano有关的前几个角色的下一个角色。
因此，存在4个显著的张量(或矩阵)。
x:输入的时间长度、输入大小
h:隐藏状态塑造时间，隐藏大小
y:输出形状时间长度，输入大小
t:目标值形状为时间-1，输入大小
在这里，目标值张量t被明确地定义为正式的：
ti，j := xi+1，j但是如何用上面的定义来定义t？
x = T.matrix(name="x")
t = ? # t[i] := x[i+1] but how to define it in theano?
ps。我研究过西亚诺的nnet.conv2d，但没有运气
浏览 2提问于2016-07-05得票数 1
我试图将像素向量提供给卷积神经网络(CNN)，其中像素向量来自像cifar-10数据集这样的图像数据。在向CNN提供像素向量之前，我需要用maclaurin级数扩展像素向量。问题是，我想出了如何用一个dim展开张量，但是对于dim >2的张量，没有人能给我一些关于如何将一个弱张量的maclaurin级数应用于张量超过1的想法吗？在TensorFlow或Keras中，是否有任何启发式方法来实现这一点？有什么可能吗？
maclaurin系列节目在CNN上
我想出了用maclaurin级数展开1 dim张量的方法。下面是如何抓取实现如下所示：
def cnn_taylor(input_dim,
浏览 3提问于2020-04-19得票数 4
回答已采纳
1回答
假设我有一个4x3矩阵。我想互相减去矩阵中的每一个元素。
我对TensorFlow文档进行了广泛的研究(等等)，并注意到有一个tf.subtract操作符。在添加过程中，我知道有tf.add_n运算符添加了所有输入张量。我是TensorFlow的新手，我想知道:是否有这样一个减法操作符来减去所有的输入张量，如果没有，你能提供一个最快的方法吗？
示例矩阵张量：[[0.10, 0.20], [0.20, 0.40]]是这样展开的：
0.10 0.20
0.20 0.40
所需减法：0.10 - 0.20 - 0.20 - 0.40，其期望输出为：-.7
浏览 0提问于2018-03-03得票数 0
回答已采纳
1回答
我有张量x，我想把这个张量和张量y进行比较，但是当我写到：
def f(x, n, P):
y_1 = tf.constant([n / P], dtype=tf.float64)
y_2 = tf.constant([(n - 1) / P], dtype=tf.float64)
y_3 = tf.constant([(n + 1) / P], dtype=tf.float64)
y = 0
if tf.math.greater_equal(x, y_1) == True
浏览 0提问于2019-07-16得票数 0
1回答
变长序列上窗口的平均池
、、、
我有一个形状的张量in (batch_size，功能，步骤)，并希望通过时间维度(steps)上的平均池( steps)获得相同形状的输出张量out，窗口大小为2k+1，即：
out[b,f,t] = 1/(2k+1) sum_{t'=t-k,...,t+k} in[b,f,t']
对于没有k之前和后续时间步骤的时间步骤，我只想计算现有时间步骤的平均值。
然而，张量中的序列具有可变的长度，并相应地填充了零，因此，我将序列长度存储在另一个张量中(例如，可以用它们创建一个掩码)。
我知道我可以使用来执行我所描述的池操作，但是它不明白我的序列是用零填充的，也不允许我传递具有序列长
浏览 8提问于2020-03-23得票数 0
回答已采纳
2回答
我试图以python的方式处理一个可变大小的张量，这可能是这样的：
# X is of shape [m, n]
for x in X:
process(x)
我试过使用tf.scan，问题是我想处理每个次张量，所以我尝试使用嵌套扫描，但是我启用了它，因为tf.scan与累加器一起工作，如果没有找到，它将接受elems的第一个条目作为初始化器，我不想这样做。例如，假设我想在张量的每个元素中添加一个元素(这只是一个例子)，并且我想逐个元素地处理它。如果我运行下面的代码，我将只有一个添加到子张量，因为扫描考虑第一个张量作为初始化，以及每个子张量的第一个元素。
import numpy as
浏览 8提问于2017-04-10得票数 19
回答已采纳
1回答
我需要对多维张量进行加权抽样。
本文给出了形状[X,Y]的张量B和形状[X]的概率B分布。我需要根据发行版N从A中抽取B元素。
B表示次张量的分布。每个次张量内的采样是均匀的。
有一些填充在A，所以我必须考虑到这一点。填充物的信息包含在掩码中。
e.g
A = [[1, 2, 3, X, X, X],
[10, 20, 30, X, X, X],
[100, 200, 300, 400, 500, 600]]
A_mask = [[T, T, T, F, F, F],
[T,
浏览 1提问于2018-06-05得票数 1
回答已采纳
1回答
指出：
“在两个张量中计算样本之间的点乘积的层。
例如，如果应用于形状的两个张量a和b的列表(batch_size，n)，输出将是形状的张量(batch_size，1)，其中每个条目i将是ai和bi之间的点积。
参数
轴:整数、轴或轴的整数或元组，用来取点积。
我不明白这一点，这里有一个快速的、可复制的例子来说明：
from keras.layers import Input, dot
input_a = Input(batch_shape=(99,45000,300))
input_b = Input(batch_shape=(99,45000,300))
element_wise_dot_
浏览 1提问于2018-08-02得票数 6
回答已采纳
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
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
我试图在角星中进行多类分类。到目前为止，我使用categorical_crossentropy作为损失函数。但由于所需的指标是加权F1，我不确定是否是最佳的损失选择。我试图使用sklearn.metrics.f1_score，在keras中实现加权F1评分，但是由于张量和标量之间的转换问题，我遇到了一些错误。
就像这样：
def f1_loss(y_true, y_pred):
return 1 - f1_score(np.argmax(y_true, axis=1), np.argmax(y_pred, axis=1), average='weighted')
紧接着是
浏览 1提问于2020-01-29得票数 11
回答已采纳
2回答
我们在matlab中有一个张量，大小是308x22x29x12x492020，它很大。我们对它进行了分解，它工作得很好。现在，我们正试图重建它，以获得一些预测。当我们运行它时，当我们执行最后一个维度的乘法时，它会崩溃，内存不足。
我试图将我们的张量展平成一个2 x 2的矩阵，以使重建更容易。我找不到这样做的方法，我尝试使用matlab中的重塑函数，但没有成功。所以基本上我想知道一种在matlab中将(308x22x29x12x492020)张量转换成2D矩阵的方法。
只是为了更多地解释数据。我们有一个数据库的用户搜索汽车购买。我们想做推荐模型。我们创建了一个具有5个维度的张量: 308 (汽车
浏览 2提问于2012-05-20得票数 2
回答已采纳
3回答
我正在尝试从程序中的C#代码访问这个C++函数
Tridiagonal3 (float** mat, float* diag, float* subd)
{
float a = mat[0][0], b = mat[0][1], c = mat[0][2],
d = mat[1][1], e = mat[1][2],
f = mat[2][2];
}
调用如下所示
tred2(tensor, eigenValues, eigenVectors);
其中张量是fl
浏览 3提问于2011-05-18得票数 0
回答已采纳
我正要构建一个图像语义分割ios应用程序。因此，我使用deeplab的网络架构构建了该图，
我得到了这个错误：
Running model failed: Invalid argument: Only additions of two arguments supported. Num inputs: 4
[[Node: fc1_voc12 = AddN[N=4, T=DT_FLOAT, _device="/job:localhost/replica:0/task:0/cpu:0"](fc1_voc12_c0/BiasAdd, fc1_voc12_c1/BiasAdd,
浏览 13提问于2017-07-05得票数 1
当将张量列表作为其第一个参数传递时，tf.gradients究竟是如何表现的？举个很小的例子：
a = tf.constant(5)
b = tf.constant(7)
c = a + 2 * b
如果我计算单个张量( c )相对于[a,b]的梯度，我得到了预期的答案：
grads = tf.gradients(c, [a, b])
with tf.Session() as sess:
sess.run(grads) # returns (1, 2)
根据Tensorflow文档，如果将张量列表作为第一个参数ys传递，tf.gradients将对该列表上的梯度进行求和，为第二个参数中
浏览 7提问于2017-07-17得票数 0
回答已采纳
我有一个函数向量F=(F1,F2…Fn)，F1包含n变量(x1,x2...,xn)，F2到Fn也是如此。我想用向量F来计算x，如何用JavaScript编写它呢？
F和x是向量。
F=[[F1],[F2]…[Fn]];
x=[[x1],[x2]…[xn]];
我想回去
y = [[F1(x)],[F1(x)]…[Fn(x)]]
例如：
F=[[x1^2 - x2 -1], [x1 - x2^2 + 1]]
x=[[1], [2]]
浏览 4提问于2022-04-18得票数 -1
回答已采纳
1回答
我知道，通过执行Tensor.dtype，我可以访问张量数据的类型。
我还知道，通过使用isinstance，我可以检查对象是否具有某种类型。
我如何用if语句检查我的张量是否包含特定类型的数据，比如ComplexFloat？我正在寻找一种"pythonic“的方法，比如使用isinstance函数。
浏览 3提问于2022-07-27得票数 0
我有一个输入x，第一层权重矩阵，和第二层权重矩阵。
现在我想用手计算这个预先训练过的神经网络的输出：
X* weights1 * weights2
在进行此操作时，我收到一个RuntimeError:在非单例维数1处，张量a (6)的大小必须与张量b (4)的大小匹配。
class Net(nn.Module):
def __init__(self):
super().__init__()
self.fc1 = nn.Linear(4,6)
self.fc2 = nn.Linear(6,2)
self.fc3 = nn.Linear(2,1)
def for
浏览 2提问于2020-02-18得票数 0
回答已采纳
我最近一直在学习Idris，并决定尝试编写一个简单的张量库。我首先定义了类型。
data Tensor : Vect n Nat -> Type -> Type
Scalar : a -> Tensor [] a
Dimension : Vect n (Tensor d a) -> Tensor (n::d) a
如您所见，Tensor类型由描述张量尺寸的Vect of Nats参数化，类型由描述其内容的类型参数化。到目前一切尚好。接下来，我决定尝试将Tensor类型设置为Functor。
instance Functor (Tensor d) where
浏览 2提问于2016-05-21得票数 2
回答已采纳
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
这是tf.nn.conv2d的文档:给定形状批、in_height、in_width、in_channels的输入张量和形状filter_height、filter_width、in_channels、out_channels的过滤器/内核张量，此操作执行以下操作
将滤波器平坦为形状为[filter_height * filter_width * in_channels ]的二维矩阵
从输入张量中提取图像块，形成形状批处理、out_height、out_width、filter_height * filter_width * in_channels的虚拟张量。
对于每个补丁，右乘滤
浏览 0提问于2018-11-28得票数 0
我正在使用Keras和Tensorflow后端函数在Keras中编写一个自定义丢失函数。我要最小化f(y_true)和f(y_pred)之间的均方误差，其中f(y)是一个非线性函数。
f(y) = f1(y) f2(y) .f12(y)和fk(y) = Xi_k*Theta_k(y)，k= 1,2，...,12，Xi_k和Theta_k(y)是1阶张量。
由于y_true和y_pred的大小(batchSize X 15)，我需要为训练批中的所有样本计算循环上f(y)的值(我认为避免循环是不可能的)。循环操作的输出将是大小的张量(batchSize X 12)
[[f(y_true[1,:])
浏览 3提问于2020-08-07得票数 0
回答已采纳
我不明白为什么需要tensor.reshape()函数在Theano中。文件中说：
返回这个张量的视图，该张量在numpy.reshape中已被重新塑造。
据我所知，theano.tensor.var.TensorVariable是一些用于创建计算图的实体。它完全不受形状的影响。例如，在创建函数时，可以传递矩阵2x2或矩阵100x200。就像我想的，重塑在某种程度上限制了这个品种。但事实并非如此。假设下面的示例：
X = tensor.matrix('X')
X_resh = X.reshape((3, 3))
Y = X_resh ** 2
f = theano.fu
浏览 2提问于2015-12-18得票数 3
回答已采纳
1回答
我正在阅读关于多类分类问题的Pytorch教程。而我发现，在毕道尔的损失计算行为让我很困惑。你能帮我做这个吗？
用于分类的模型如下：
class Net(nn.Module):
def __init__(self):
super(Net, self).__init__()
self.conv1 = nn.Conv2d(3, 6, 5)
self.pool = nn.MaxPool2d(2, 2)
self.conv2 = nn.Conv2d(6, 16, 5)
self.fc1 = nn.Linear(16
浏览 3提问于2020-06-02得票数 2
回答已采纳
2回答
softmax应该应用于哪个维度？
这段代码：
%reset -f
import torch.nn as nn
import numpy as np
import torch
my_softmax = nn.Softmax(dim=-1)
mu, sigma = 0, 0.1 # mean and standard deviation
train_dataset = []
image = []
image_x = np.random.normal(mu, sigma, 24).reshape((3 , 4, 2))
train_dataset.append(image_x)
x =
浏览 1提问于2018-09-26得票数 5
回答已采纳
在Tensorflow中，递归应用一组操作的最简单方法是什么，其中每个递归步骤将最后一步的输出作为输入？这里的关键特性是递归步骤的数量是在求值时指定的，并且可以在不同的示例中有所不同。
例如，对于输入张量X、5和一些函数F，我想计算
F( F( F( F( F(X) ) ) ) )
但同样的模型也应该能够计算X，3为：
F( F( F( X ) ) )
不幸的是，虽然循环不会工作，因为它们强制执行严格的形状不变量，这意味着张量X的所有维度必须在编译时已知，但我直到运行时才知道示例大小(X的第一个维度)。
谢谢你的帮忙!
浏览 22提问于2017-01-18得票数 0
回答已采纳
1回答
我正在计算骰子分数来评估二值图像分割问题的模型。
我用PyTorch编写的函数是：
def dice_score_reduced_over_batch(x, y, smooth=1):
assert x.ndim == y.ndim
# reduction over all axes except 0 i.e. batch
axes = tuple([i for i in range(1, x.ndim)])
intersection = torch.abs((x * y).sum(dim=axes))
union = torch.abs(x.sum(
浏览 5提问于2020-12-03得票数 0
我有两个张量名称：'wy‘和'x'，它们都是8码的：
wy= tensor([[ 74.2090, -92.9444, 45.2677, -38.4132, -39.8641, -6.9193, 67.4830,
-80.1534]], grad_fn=<AddmmBackward>)
x= tensor([[ 70., 77., 101., 75., 40., 83., 48., 73.]])
现在，我想做bmm乘以x*，如下所示：
xWy = x.bmm(Wy.unsqueeze(2)).squeeze(3)
我有个错误：
浏览 3提问于2022-05-19得票数 1
回答已采纳
当同时提供x和y时，请解密文档中关于它所做的事情。
我想它试图说它将通过以下方式产生一个结果：
将y广播到结果形状。
将x广播到结果形状。
使用条件为真的x元素更新y。
这是正确的吗？
如果提供了x和y(两者都没有值)：tf.where将从条件的形状中选择一个输出形状，x和y，这三个形状都是可广播的。
如果提供x和y，则返回：与x和y具有相同类型的张量，以及从条件x和y广播的形状。否则，提供带形状的张量(num_true，dim_size(条件))。
浏览 5提问于2021-04-22得票数 0
1回答
我正在为我的项目制定深度学习方法。我需要计算4D张量上的距离矩阵，它的大小是，N x 128x64x64(批量大小x通道x高度x宽度)。这类张量的距离矩阵的大小为N128x4096x4096，在GPU中不可能适应这类张量，即使在CPU上也需要大量内存。因此，我只想在一些邻域像素(比如半径为5)内计算距离矩阵，并考虑这个矩形矩阵，以便在神经网络中进一步处理。通过这种方法，我的距离矩阵的大小将是，Nx128x4096x61。与全距离矩阵相比，它将占用更少的内存。
确切地说，我正在尝试实现。这个网络需要为特征计算成对的L1距离。
为了增加这类距离矩阵，通常采用谱聚类的方法对图像进行分割。
，例如
浏览 2提问于2018-06-28得票数 0
1回答
如何按索引(如python中的Numpy )为张量分配值？在numpy中，我们可以通过索引来填充数组的值：
array = np.zeros((10, 8, 3), dtype=np.float32)
for n in range(10):
for k in range(4):
array[n, k, :] = x, y, -2 # x,y are diffrent values in every loop
array[n, 4 + k, :] = x, y, 0.4
如果有一个使用torch.zeros的零张量，那么如何用索引填充它的值呢？
浏览 6提问于2022-06-06得票数 2
回答已采纳
1回答
我编写了一个定制的TensorFlow模型。然而，当我将单个张量传递给它时，它会将该张量的每个元素视为单个输入，从而给出一个批处理输出。
就像。我的输入张量为3,1的形状，值为：
tf.Tensor(
[[0.7001484 ]
[0.2581525 ]
[0.04169908]], shape=(3, 1), dtype=float32)
对应于此，我应该得到一个形状向量(3，)。但我得到的是3x3张量：
tf.Tensor(
[[0.31234854 0.3224371 0.36521438]
[0.32561225 0.3294511 0.3449366 ]
[0.33208
浏览 2提问于2020-06-12得票数 0
回答已采纳
3回答
我想把不同尺寸的张量列表转换成单个张量。
我尝试过torch.stack，但它显示了一个错误。
---------------------------------------------------------------------------
RuntimeError Traceback (most recent call last)
<ipython-input-237-76c3ff6f157f> in <module>
----> 1 torch.stack(t)
RuntimeError: in
浏览 7提问于2020-04-03得票数 3
回答已采纳
我想做这样的事情。
假设我们有一个张量A。
A = [[1,0],[0,4]]
我想从中得到非零值和它们的索引。
Nonzero values: [1,4]
Nonzero indices: [[0,0],[1,1]]
在Numpy中也有类似的操作。
在展平的A中，np.flatnonzero(A)返回非零的索引。
x.ravel()[np.flatnonzero(x)]根据非零索引提取元素。
下面是这些操作的。
我如何用python在Tensorflow中做类似上面的Numpy操作呢？
(矩阵是否展平并不重要。)
浏览 4提问于2016-08-30得票数 33
回答已采纳
通常，在TensorFlow中不能对参差不齐的张量使用len()。 import tensorflow as tf
x = tf.ragged.stack([[1],[1,2]])
print(len(x)) 由于参差不齐的张量没有实现长度方法，因此您会得到以下预期错误： TypeError: object of type 'RaggedTensor' has no len() 然而，我发现当我创建一个映射到tf数据集的函数时，出于某种原因，您可以对参差不齐的张量调用len()而不会出错。 dataset = dataset.map(lambda path, label: s
浏览 96提问于2021-04-13得票数 0
回答已采纳
1回答
我试图可视化VGG19网络中间层的输出，从火炬视觉模块，特别是层，conv4_2。我用[1, 512, 50, 50]形状的张量提取了输出。但是如何用512个通道来可视化图像呢？
浏览 2提问于2019-03-25得票数 1
回答已采纳
我试图评估单个2D测试样本的MSE损失，在Keras中使用一个自动编码器(AE)，一旦模型被训练，我很惊讶当我调用Keras内置函数来获取单个样本的丢失时，它会返回2D张量。这意味着损失函数计算每个样本的每个像素损失，而不是每个样本计算一个损失(?)。为了非常清楚，我期望MSE将所有像素上计算的平方误差的平均值与每个2D样本相关联(正如我在这个上所读到的)。
由于在使用.predict()和.evaluate()训练我的AE之后，每个测试样本没有得到一个标量MSE错误(也许我也遗漏了一些东西)，所以我继续尝试直接使用keras.losses.mean_squared_error()，逐个样本。
浏览 0提问于2019-08-19得票数 3
回答已采纳
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
如何运行.py模块？
、、、、
我对Python没有任何经验。我看过一些教程材料，但似乎很难理解高级代码。所以我来这里是为了一个更具体的答案。对我来说，任务是重做我电脑中的代码。
下面是一个场景：
我是研究生，学习关系学习中的张量因式分解。提供运行此算法的代码的paper1，如下所示：
import logging, time
from numpy import dot, zeros, kron, array, eye, argmax
from numpy.linalg import qr, pinv, norm, inv
from scipy.linalg import eigh
from numpy.random im
浏览 6提问于2012-06-20得票数 3
回答已采纳
3回答
用另一个多维张量索引多维火炬张量
、、、、
我有一个张量x，我们假设形状(5,3,2,6)和另一个形状的张量idx (5,3,2,1)，它包含第一张量中每个元素的指数。我要用第二张量的指数分割第一个张量。我尝试了x= xidx，但是当我真的希望它是形状(5,3,2)或(5,3,2,1)时，我得到了一个奇怪的维数。
我试着举一个简单的例子:比方说
x=torch.Tensor([[10,20,30],
[8,4,43]])
idx = torch.Tensor([[0],
[2]])
我想要像这样的
y = x[idx]
这样'y‘输出[[10],[43]]
浏览 1提问于2020-07-06得票数 5
回答已采纳
我试图保存我的模型，以便当从tf服务中调用时输出是：
{
"results": [
{ "label1": x.xxxxx, "label2": x.xxxxx },
{ "label1": x.xxxxx, "label2": x.xxxxx }
]
}
其中label1和label2是我的标签，x.xxxxx是那个标签的概率。
这就是我想要的：
class TFModel(tf.Module):
def __init__(self, model: tf.keras.
浏览 10提问于2022-11-08得票数 0
回答已采纳
我正在编写C++/Python混合语言。粘合这两个部分的库支持特征矩阵/数组，但不支持张量。
做这样的事安全吗？
#include <iostream>
#include <Eigen/Eigen>
using namespace Eigen;
template<typename D>
auto f(DenseBase<D>& x, const Index i) {
// x2 is destroyed when the program leaves
// this function.
ArrayWrapper
浏览 1提问于2018-12-10得票数 0
回答已采纳
3回答
在TensorFlow中，我打算用泰勒级数来处理张量 具有某些近似项。为此，我尝试处理灰度图像( )和sin(x)的泰勒级数，它工作得很好。现在，我在处理具有以下形状的灰度图像时遇到了同样的问题 转换为具有以下形状的RGB图像 ，它没有给出正确的数组。直观地说，我试图用泰勒展开来操纵张量。 ..。谁能向我展示一下在tensorflow中实现这一点的可能方法？有什么想法吗？ 我的尝试 这是泰勒展开 在 具有三个展开项。 from tensorflow.keras.datasets import mnist
(X_train, y_train), (X_test, y_test) = mnist
浏览 74提问于2021-02-10得票数 3
回答已采纳
我试图在Keras上建立一个神经网络，它看起来像这样：
📷
$x_1$，$x_2$，..。是经历相同转换$f$的输入向量。$f$本身就是一个必须学习其参数的层。序列长度$n$在实例之间是可变的。
我在这里很难理解两件事：
What输入是否应该类似于？我在考虑一个带有形状的2D张量(number_of_x_inputs，x_dimension)，其中x_dimension是单个向量$x$的长度。这样的二维张量能有可变的形状吗？我知道张量可以有可变形状的批处理，但我不知道这是否对我有帮助。
在将每个输入向量输入到RNN层之前，我是否要将其传递到相同的转换中？是否有一种方法可以对<#>H
浏览 0提问于2018-02-15得票数 4
回答已采纳
我需要使用3D张量最后一维的索引来索引4D张量的最后一维。例如，给定以下张量：
X = array([[[[ 0.14127222, 0.37404611, 0.09612721, 0.19907043, 0.84104371,
0.33678107, 0.03965124, 0.16844736, 0.61240914, 0.02107638],
[ 0.46010377, 0.4302605 , 0.95917015, 0.05052149, 0.96033522,
0.6383985 , 0.24895258, 0.787
浏览 1提问于2016-12-20得票数 3
我有一个张量[a, b, c, d, e, f, g, h, i]，维数为9X1536。我需要创建一个新的张量，它类似于维数为8x2x1536的[(a,b), (a,c), (a,d), (a,e),(a,f),(a,g), (a,h), (a,i)]。我怎么才能用tensorflow做这件事？我试过像这样
x = tf.zeros((9x1536))
x_new = tf.stack([(x[0],x[1]),
(x[0], x[2]),
(x[0], x[3]),
(x[0], x
浏览 0提问于2018-01-23得票数 1
回答已采纳
2回答
我需要将方法定义为自定义梯度，如下所示：
class CustGradClass:
def __init__(self):
pass
@tf.custom_gradient
def f(self,x):
fx = x
def grad(dy):
return dy * 1
return fx, grad
我得到了以下错误：
(<main.CustGradClass :尝试将不受支持的类型()的值0x12ed91710>对象转换为张量。
原因是自定义梯度接受函数f(*x)，其中x是
浏览 1提问于2019-02-22得票数 3
回答已采纳
我使用V1.12API的tf.data.Datasets (像这个 )来读取目录中每个文件预先保存的几个.h5文件。我第一次制造了发电机：
class generator_yield:
def __init__(self, file):
self.file = file
def __call__(self):
with h5py.File(self.file, 'r') as f:
yield f['X'][:], f['y'][:]
然后列出文件名，并在Dataset中通
浏览 0提问于2019-02-21得票数 0
回答已采纳
考虑n×n张量，例如：
board = tf.zeros([9,9], dtype=tf.int32)
如何在它中添加另一个张量(矩阵)？如果这是不可能的，我想知道如何用较小的to_add张量中的值更新(原始)张量的值(从位置(x，y)开始)。谢谢。
to_add = tf.constant([[1,2,3],[4,5,6],[7,8,9]], dtype=tf.int32)
例如，如何添加以下矩阵，从(1,0)开始
0 0 0 1 0 0 1 0
0 0 0 + 1 0 = 0 1 0
0 0 0 0 0 0
浏览 3提问于2022-08-08得票数 0
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
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
