, 64, ?, ?) dtype=float32> 我想要更改此shape=(?，64，?，?)到shape=(?，64)。该怎么做呢？
浏览 9提问于2021-04-26得票数 1
1回答
我有两个火炬张量。一个是shape [64, 4, 300]，另一个是shape [64, 300]。如何将这两个张量连接起来以获得形状[64, 5, 300]的合成张量。我知道用于此的tensor.cat函数，但为了使用该函数，我需要重塑第二个张量，以便与张量的维数相匹配。我听说不应该对张量进行整形，因为这可能会弄乱张量中的数据。我如何做这个连接？我尝试过<em
浏览 9提问于2020-05-12得票数 1
我想把形状是的张量A加到另一个张量B上，它的形状是64,7,7,64。我重塑了张量A，但它应该有与张量B相同的元素。那么，我如何重塑或扩展张量A，或者有没有其他方法将A加到B？具体来说，我想把64个A的值加到所有64个B7*7倍的值中。我对我糟糕的英语感到很抱歉。我不能很好地解释，但希望你们中的一些人理解我想说的话。谢谢。
浏览 0提问于2018-10-13得票数 2
回答已采纳
当我做print("action shape:, ", action.shape)做张量动作时，我得到(64，)。它和(1，64)一样吗？我如何将它的大小重塑为(64,1)？
浏览 2提问于2021-03-16得票数 0
回答已采纳
我有一个长度为64的张量，我试着附加到第一维，递归地生成二维张量。基本上，每次迭代都会创建一个新的1D 64长度张量，迭代6次，所以到最后我应该有一个6 x 64张量。我该怎么做呢？((names_tensor, sampled_indexes), dim=1) 其中，name_tensor被初始化为torch.zeros(0)，sampled_indexes是在每次迭代中附加的64长度张量
浏览 20提问于2020-01-21得票数 0
我有一个大小为3,3的2D核和一个大小为B，64，H，W的张量。 我的问题是，如何将相同的2D内核应用于每个输入通道？我应该重塑/重复内核吗？我尝试重复我的内核，如下所示： kernel = kernel.repeat((B, 64, 1, 1)) 但是当我应用它时，张量的大小变成了1，64，H，1。
浏览 19提问于2020-06-30得票数 1
1回答
我正在尝试使用加法和挤压/归一化将张量从30,50,32,64重塑为30,50,32,1。当我使用Tensorflow重塑时，我得到以下错误。o = tf.reshape(o, shape=[30, 50, 32, 1]) ValueError:无法对具有3072000个元素的张量进行整形，以形成输入形状为30,50,32,64，4且输入张量计算为部分形状的
浏览 13提问于2021-04-19得票数 0
回答已采纳
1回答
tf.Variable(tf.random_normal([5,5,1,32])), 'b_conv2':tf.Variable(tf.random_normal([64weights['W_conv2']) +
biases['b_
浏览 0提问于2018-01-25得票数 1
回答已采纳
我得到了这个代码错误，我不确定如何重塑我的张量。3-dimensional input for 3-dimensional weight [32, 35, 2], but got 2-dimensional input of size [35, 64
浏览 56提问于2020-12-01得票数 0
回答已采纳
self.embed1 = nn.Embedding(256, 8) self.fc1filter of size (7, 8).Outputs ([1, 64, 211, 1]) as 6 values lost due to not padding.x = torch.max(x,0) #returning max over the 64 columns.This returns a tuple of lengt
浏览 6提问于2019-03-07得票数 0
回答已采纳
我正在尝试重塑一个形状为(?，32，32，64)的张量。得到的张量应该类似于(？* 32 * 32，64)。Tensorflow给出了类似于(?，?)，32，32，64)会导致(?，?) 有没有办法解决这个问题？非常感谢!
浏览 12提问于2019-06-04得票数 0
回答已采纳
1回答
我想在softmax层之前添加一个LSTM层，这样我就可以跟踪序列的上下文并使用它进行预测。下面是我的实现，但每次我都会得到以下错误。请帮我解决这个错误。 common_model = Sequential() common_model.add(Dr
浏览 0提问于2018-08-07得票数 0
我需要将图像中的每个8x8x1块重塑为一个向量，这将产生一个32x32x64张量，其中每个1x1x64向量都是相应8x8块的重塑版本。我怎么才能用numpy或cv2做到这一点呢？
浏览 16提问于2020-03-26得票数 1
回答已采纳
我正在尝试实现一个tensorflow Estimator，并得到一个形状不匹配的错误，我不知道如何调试。我想我可能误解了如何指定tf.feature_column的形状。all_features = tf.feature_column.numeric_column( shape=(6010,), >>>train_labels.shape>>> 361201
浏览 0提问于2018-04-12得票数 1
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。
浏览 3提问于2019-04-24得票数 8
我是CNN的新手，我想训练resnet，下面是我的代码：我得到了一个错误：我不熟悉CNN，因此我不知道如何调整我的网络。
浏览 0提问于2017-05-17得票数 0
我想让一个像素的多个通道数据变成一个通道，如下所示，不使用for循环：因此，在本例中，从1024x8x8到64x32x32。
你能告诉我我可以用什么函数来做这个吗？
浏览 0提问于2021-11-19得票数 0
1回答
这是ResNet50的ResNet模型和输出张量： img_shape = (164, 164, 3)
resnet50_model = ResNet50(include_top=False, input_shape我得到了输出： TensorShape([Dimension(None), Dimension(6), Dimension(6), Dimension(2048)]) 现在我想要一个新的层，在那里我将这个输出张量重塑为(64,64,18) 然后我有一个VGG16模型： VGG_model =
浏览 20提问于2020-04-27得票数 1
回答已采纳
对于形状的3D张量(滤镜的数量，高度，宽度)，如何通过重塑来减少滤镜的数量，从而将原始滤镜保持在一起作为整个块？ 假设新的大小具有选择的尺寸，使得整数个原始过滤器可以并排适合于其中一个新过滤器。因此，可以将(4，2，2)的原始大小重塑为(2，2，4)。 对并排重塑的视觉解释，您可以看到标准重塑将改变各个滤镜形状： ? 我认为在执行重塑之后重新排列张量值会更容易，但无法获得pytorch重塑形式的张量： [[[1,2
浏览 43提问于2020-12-19得票数 2
回答已采纳
我有两个PyTorch张量indices = torch.randint(0, 64, (1024,例如，如果indices的第一个元素是50，那么我希望设置mask[0, 50:]=0。在不使用for循环的情况下可以实现这一点吗？
浏览 14提问于2022-08-11得票数 9
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
云直播
对象存储
腾讯会议活动推荐
腾讯云开发者
