开发者社区

文档建议反馈控制台

最新优惠活动

文章/答案/技术大牛

发布

尺寸必须相等，但对于输入形状为[100, 1024 ]，[ 3136 ,100]的'MatMul_15‘(op：'MatMul')，尺寸必须为1024和3136

'MatMul_15'是一个矩阵乘法操作（MatMul），它接受两个输入矩阵，分别是100, 1024和3136, 100。根据矩阵乘法的规则，两个矩阵相乘的条件是第一个矩阵的列数（1024）必须等于第二个矩阵的行数（3136）。

在这种情况下，输入矩阵的尺寸不满足矩阵乘法的要求，因为1024不等于3136。为了使这个操作能够执行，需要对输入矩阵进行转置操作，使得尺寸变为1024, 100和3136, 100，然后再进行矩阵乘法运算。

转置操作可以通过矩阵的转置函数来实现，例如在Python中可以使用NumPy库的transpose函数。转置后的矩阵尺寸满足矩阵乘法的要求，可以进行'MatMul_15'操作。

关于云计算领域的相关知识，腾讯云提供了一系列产品和服务，包括计算、存储、数据库、人工智能等方面。其中，与矩阵计算相关的产品是腾讯云的弹性MapReduce（EMR）服务，它提供了大规模数据处理和分析的能力，可以用于处理矩阵计算等任务。

腾讯云弹性MapReduce（EMR）产品介绍链接：https://cloud.tencent.com/product/emr

相关搜索:尺寸必须相等，但对于具有输入形状[1, 15 ]，[1,500]的'MatMul_1‘(op：'MatMul')，尺寸必须为15和1 尺寸必须相等，但对于具有输入形状[ 128 ,1]，[64,128]的'sampled_softmax_loss/MatMul‘(op：'MatMul')，尺寸必须为1和128 形状必须是等级2，但输入形状为[100,100]，[?,15,100]的'MatMul_46‘(op：'MatMul')的等级为3 Keras错误:尺寸必须相等，但'loss/output_1_loss/SquaredDifference‘的尺寸必须相等，输入形状为：[8, 10 ]，[8,2]ValueError:维度必须相等，但对于输入形状为[?, 784 ]，[784, 500 ]的'Mul‘(op：'Mul')，维度必须为784和500 ValueError:维度必须相等，但对于输入形状为[ ?，5,2]，[ ?，5, 80 ]的'mul_18‘(op：'Mul')，维度必须为2和80 ValueError:维度必须相等，但对于输入形状为[?, 300 ,300,3]，[?,300,300]的'p_softmax/truediv‘(op：'RealDiv')，维度必须为3和300 ValueError:维度必须相等，但对于输入形状为[1,400,400,1]，[1,3,3,1]的'Conv2D‘(op：'Conv2D')，维度必须为1和3 个人网站怎么免费注册个人网站模板html

相关搜索:

页面内容是否对你有帮助？

有帮助

没帮助

相关·内容

TF图层指南：构建卷积神经网络

本文介绍了如何利用TensorFlow搭建一个简单的CNN模型来识别MNIST数据集中的手写数字。首先，介绍了CNN模型的基本原理和TensorFlow中的Keras API。然后，使用MNIST数据集训练了一个具有卷积层和全连接层的CNN模型。最后，通过在测试集上评估模型的性能，得到了97.3%的准确率。

05

tensorflow笔记（五）之MNIST手写识别系列二

http://www.cnblogs.com/fydeblog/p/7455233.html

02

卷积神经网络实战MNIST

本节学习来源斯坦福大学cs20课程，有关本节源代码已同步只至github，欢迎大家star与转发，收藏！

02

mlc-llm 推理优化和大语言模型搭建解析（文末送书）

本文解析一下mlc-llm（https://github.com/mlc-ai/mlc-llm）对大模型推理的流程以及使用的图优化，算子优化策略。mlc-llm的模型部署流程可以查看官方文档：https://mlc.ai/mlc-llm/docs/ ，也可以参考我前段时间写的这篇MLC-LLM 部署RWKV World系列模型实战（3B模型Mac M2解码可达26tokens/s）。

01

LeNet-5

LeNet-5 模型是 Yann LeCun 教授于 1998 年在论文 Gradient-based learning applied to document recognitionr [1] 中提出的，它是第一个成功应用于数字识别问题的卷积神经网络。在 MNIST 数据集上， LeNet-5 模型可以达到大约 99.2%的正确率。

03

【连载】OpenAITriton MLIR 第二章 Batch GEMM benchmark

通过前两章对于triton的简单介绍，相信大家已经能够通过从源码来安装triton，同时通过triton提供的language前端写出自己想要的一些计算密集型算子。这章开始，我们通过构建一套比较标准的batch gemm的benchmark，来看看目前这些主流的代码生成工具，高性能模板库，与厂商提供的vendor library的差距。因为只有明确了目前的差距，后期关于针对性的优化才能做到点上。这一章，我将使用一个batch的gemm作为例子，来看看triton目前对其的优化能力。选batch gemm的原因是因为目前的LLM中不可避免会有对应的attention操作，而attention操作中，核心的计算密集型算子就是batch的gemm，如果你能够对batch的gemm有一个很好的优化思路，那么在MLSys中大部分的算子优化类的工作对你来说将不会显得那么无从下手。

01

tensorflow（一）windows 10 64位安装tensorflow1.4与基本概念解读tf.global_variables_initializer

目前用了tensorflow、deeplearning4j两个深度学习框架， tensorflow 之前一直支持到python 3.5,目前以更新到３.６，故安装最新版体验使用。慢慢长征路：安装过程如下ＷＩＮ１０： anaconda3.5: PYTHON3.6: tensorflow1.4:

06

tensorflow（一）windows 10 python3.6安装tensorflow1.4与基本概念解读

目前用了tensorflow、deeplearning4j两个深度学习框架， tensorflow 之前一直支持到python 3.5,目前以更新到３.６，故安装最新版体验使用。慢慢长征路：安装过程如下ＷＩＮ１０： anaconda3.5: PYTHON3.6: tensorflow1.4:

04

tensorflow（一）windows 10 python3.6安装tensorflow1.4与基本概念解读

一.安装目前用了tensorflow、deeplearning4j两个深度学习框架， tensorflow 之前一直支持到python 3.5,目前以更新到３.６，故安装最新版体验使用。

04

tensorflow（一）windows 10 64位安装tensorflow1.4与基本概念解读tf.global_variables_initializer

一.安装目前用了tensorflow、deeplearning4j两个深度学习框架， tensorflow 之前一直支持到python 3.5,目前以更新到３.６，故安装最新版体验使用。慢

06

tf.Variable

变量跨run()调用在图中维护状态。通过构造类变量的实例，可以向图中添加一个变量。Variable()构造函数需要变量的初值，它可以是任何类型和形状的张量。初值定义变量的类型和形状。构造完成后，变量的类型和形状是固定的。可以使用指定方法之一更改值。如果稍后要更改变量的形状，必须使用带有validate_shape=False的赋值Op。与任何张量一样，使用Variable()创建的变量可以用作图中其他Ops的输入。此外，张量类的所有重载运算符都被传递到变量上，因此您也可以通过对变量进行算术将节点添加到图中。

04

【深度学习】实例第三部分：TensorFlow

注意：此代码全部为TensorFlow1版本。查看Tensorflow版本 from __future__ import absolute_import, division, print_function, unicode_literals # 导入TensorFlow和tf.keras import tensorflow as tf from tensorflow import keras # 导入辅助库 import numpy as np import matplotlib.pyplot as

03

Bert Pytorch 源码分析：二、注意力层

05

【DL笔记5】一文上手TensorFlow，并搭建神经网络实现手写数字识别

从【DL笔记1】到【DL笔记N】，是我学习深度学习一路上的点点滴滴的记录，是从Coursera网课、各大博客、论文的学习以及自己的实践中总结而来。从基本的概念、原理、公式，到用生动形象的例子去理解，到动手做实验去感知，到著名案例的学习，到用所学来实现自己的小而有趣的想法......我相信，一路看下来，我们可以感受到深度学习的无穷的乐趣，并有兴趣和激情继续钻研学习。正所谓 Learning by teaching，写下一篇篇笔记的同时，我也收获了更多深刻的体会，希望大家可以和我一同进步，共同享受AI无穷的乐趣。

06

独家 | 一文读懂TensorFlow（附代码、学习资料）

人工智能、机器学习和深度学习在介绍TensorFlow（以下简称为TF）之前，我们首先了解一下相关背景。 TF是一种机器学习框架，而机器学习经常和人工智能，深度学习联系在一起，那么三者到底是什么关系呢？简单来讲三者可以理解为包含于被包含的关系。其中最大的是人工智能（以下简称为AI），AI最早起源于1956年的达特茅斯会议，当时AI的几位先驱在会上展示了最早的AI程序：Logic Theorist，能够自动推导数学原理第二章前52个定理中的38个，甚至其中一个定理的证明过程比书中给出的还要优

【TensorFlow篇】--Tensorflow框架初始，实现机器学习中多元线性回归

TensorFlow是谷歌基于DistBelief进行研发的第二代人工智能学习系统，其命名来源于本身的运行原理。Tensor（张量）意味着N维数组，Flow（流）意味着基于数据流图的计算，TensorFlow为张量从流图的一端流动到另一端计算过程。TensorFlow是将复杂的数据结构传输至人工智能神经网中进行分析和处理过程的系统。

01

《Scikit-Learn与TensorFlow机器学习实用指南》第09章启动并运行TensorFlow

TensorFlow 是一款用于数值计算的强大的开源软件库，特别适用于大规模机器学习的微调。它的基本原理很简单：首先在 Python 中定义要执行的计算图（例如图 9-1），然后 TensorFlow 使用该图，并使用优化的 C++ 代码高效运行该图。

03

【技术分享】深入了解tensorflow模型存储格式

做模型的同学基本都会使用tensorflow，不知道大家是否会像我一样对tensorflow的模型存储感到疑惑：各种模型保存的方法、保存出的模型文件名称和结构还不一样、加载模型的时候有的需要重新定义一遍计算图而有的不需要、有的格式tfserving能用有的不能用。这篇文章会带大家了解每个模型文件分别包含什么内容、计算图是以什么样的形式保存在文件中的。

03

学习笔记CB009:人工神经网络模型、手写数字识别、多层卷积网络、词向量、word2vec

由n个输入特征得出与输入特征几乎相同的n个结果，训练隐藏层得到意想不到信息。信息检索领域，模型训练合理排序模型，输入特征，文档质量、文档点击历史、文档前链数目、文档锚文本信息，为找特征隐藏信息，隐藏层神经元数目设置少于输入特征数目，经大量样本训练能还原原始特征模型，相当用少于输入特征数目信息还原全部特征，压缩，可发现某些特征之间存在隐含相关性，或者有某种特殊关系。让隐藏层神经元数目多余输入特征数目，训练模型可展示特征之间某种细节关联。输出输入一致，自编码算法。

tensorflow基于CNN实战mnist手写识别(小白必看)

很荣幸您能看到这篇文章，相信通过标题打开这篇文章的都是对tensorflow感兴趣的，特别是对卷积神经网络在mnist手写识别这个实例感兴趣。不管你是什么基础，我相信，你在看完这篇文章后，都能够完全理解这个实例。这对于神经网络入门的小白来说，简直是再好不过了。

02

手把手教你用 TensorFlow 实现卷积神经网络（附代码）

在知乎上看到一段介绍卷积神经网络的文章，感觉讲的特别直观明了，我整理了一下。首先介绍原理部分。通过一个图像分类问题介绍卷积神经网络是如何工作的。下面是卷积神经网络判断一个图片是否包含“儿童”的过程，

06

开发 | 手把手教你用 TensorFlow 实现卷积神经网络（附代码）

AI科技评论按：本文作者徐凯文，原文载于作者个人博客，已获授权。在知乎上看到一段介绍卷积神经网络的文章，感觉讲的特别直观明了，我整理了一下。首先介绍原理部分。通过一个图像分类问题介绍卷积神经网络是

08

教程 | 谷歌官博详解XLA：可在保留TensorFlow灵活性的同时提升效率

选自Google Blog 机器之心编译参与：Jane W、吴攀近日，谷歌开发者博客发布了一篇文章，介绍了用于 TensorFlow 的编译器 XLA（Accelerated Linear Algebra/加速线性代数）的原理和能力。 TensorFlow 的设计目标和核心优势之一是其灵活性。TensorFlow 被设计成一个灵活和可扩展的系统，可用于定义任意数据流图（data flow graph）并使用异构计算设备（如 CPU 和 GPU）以分布式方式有效地执行它们。但是灵活性通常与性能不能兼得。

《Scikit-Learn与TensorFlow机器学习实用指南》第9章启动并运行TensorFlow

第9章启动并运行TensorFlow 来源：ApacheCN《Sklearn 与 TensorFlow 机器学习实用指南》翻译项目译者：@akonwang @WilsonQu 校对：@Lis

CNN

32x32x1(f=5,s=1)—>28x28x6(k=2,s=2)—>14x14x6(f=5,s=1)—>10x10x16(k=2,s=2)—>5x5x16—>Fc(120)—>Fc(84)—>10

00

tf.Graph

原文链接：https://tensorflow.google.cn/api_docs/python/tf/Graph?hl=en 一个图包含一组tf.Operation对象，表示计算单位;和tf.T

02

工程之道 | CPU推理性能提高数十倍，MegEngine计算图、MatMul优化解析

在深度学习大规模落地边缘端场景的今天，如何最大程度降本增效，是企业与开发者共同关注的话题。其中，模型的训练与推理是两个关键环节。

04

CPU推理性能提高数十倍，旷视天元计算图、MatMul优化深度解读

在深度学习大规模落地边缘端场景的今天，如何最大程度降本增效，是企业与开发者共同关注的话题。其中，模型的训练与推理是两个关键环节。

01

基于Pytorch的CapsNet源码详解CapsNet基本结构代码实现参考

CapsNet基本结构参考CapsNet的论文，提出的基本结构如下所示： capsnet_mnist.jpg 可以看出，CapsNet的基本结构如下所示：普通卷积层Conv1：基本的卷积层，感受野

08

使用 Go 语言学会 Tensorflow

Tensorflow 并不是一个专门用于机器学习的库，相反的，它是一个通用的用于图计算的库。它的核心部分是用 C++ 实现的，同时还有其它语言的接口库。Go 语言版本的接口库与 Python 版本的并不一样，它不仅有助于我们使用 Go 语言调用 Tensorflow，同时有助于我们了解 Tensorflow 的底层实现。

02

【长文详解】卷积神经网络常见架构AlexNet、ZFNet、VGGNet、GoogleNet和ResNet模型的理论与实践

目前的常见的卷积网络结构有AlexNet、ZF Net、VGGNet、Inception、ResNet等等，接下来我们对这些架构一一详解。

04

TensorFlow 深度学习第二版：1~5

人工神经网络利用了 DL 的概念。它们是人类神经系统的抽象表示，其中包含一组神经元，这些神经元通过称为轴突的连接相互通信。

02

resnet是卷积神经网络吗_神经网络架构搜索的应用

目前的常见的卷积网络结构有AlexNet、ZF Net、VGGNet、Inception、ResNet等等，接下来我们对这些架构一一详解。

04

21个项目玩转深度学习学习笔记（1）

在Tensorflow中，无论是占位符还是变量，它们实际上都是Tensor，从Tensorflow的名字中，就可以看出Tensor在整个系统中处于核心地位。Tensorflow中的Tensor并不是具体的数值，只是一些我们希望Tensorflow系统计算的节点。

02

TensorFlow实战：CNN构建MNIST识别（Python完整源码）

在文章（TensorFlow实战：SoftMax手写体MNIST识别（Python完整源码））中，我们MNIST手写体识别数据集，使用TensorFlow构建了一个softMAX多分类器，达到了91%的正确率，相比人类98%的识别率，这实在是天糟糕了。为此，本文实现一个稍微复杂的模型：卷积神经网络来改善对MNIST的识别率，这将会达到大概99.2%的准确率。下面让我们一步步的实现该模型，具体的Python源码已上传至我的GitHub：https://github.com/ml365/softmax_mnis

09

Tensorflow中的placeholder和Variable | MI-机器智能 | Tensorflow技能树

当执行这些操作时，tf.Variable 的值将会改变，也即被修改，这也是其名称的来源（variable，变量）。

01

CNN卷积神经网络原理讲解+图片识别应用（附源码）[通俗易懂]

先给大家出个脑筋急转弯：在白纸上画出一个大熊猫，一共需要几种颜色的画笔？——大家应该都知道，只需要一种黑色的画笔，只需要将大熊猫黑色的地方涂上黑色，一个大熊猫的图像就可以展现出来。

02

深度学习_1_Tensorflow_1

# 深度学习 # 图像识别,自然语言处理 # 机器学习深度学习 # 分类:神经网络(简单) 神经网络(深度) # 回归图像:卷积神经网络 # 自然语言处理:循环神经网络 # cpu:运行操作系统,处理业务,计算能力不是特别突出 # gpu:专门为计算设计的 import tensorflow as tf a = tf.constant(5.0) b = tf.

03

深度学习进阶：多分类与TensorFlow

到目前为止，我们所接触的都是二分类问题，神经网络输出层只有一个神经元，表示预测输出\hat{y}y^是正类的概率{P}(y=1|x), \hat{y} > {0.5}P(y=1∣x),y^>0.5则判断为正类，反之判断为负类。那么对于多分类问题怎么办？

01

数据科学 IPython 笔记本一、TensorFlow

一、TensorFlow 原文：TensorFlow Tutorials 译者：飞龙协议：CC BY-NC-SA 4.0 1.1 TensorFlow 基本操作致谢：派生于 Aymeric Damien 的 TensorFlow 示例配置参考配置指南。 import tensorflow as tf # 基本的常量操作 # 由构造器返回的值 # 表示常量操作的输出 a = tf.constant(2) b = tf.constant(3) # 加载默认图 with tf.Session(

03

TensorFlow2 一小时学会基本操作 2

https://iamarookie.blog.csdn.net/article/details/117651502

02

《Scikit-Learn与TensorFlow机器学习实用指南》第15章自编码器

自编码器是能够在无监督的情况下学习输入数据的有效表示（叫做编码）的人工神经网络（即，训练集是未标记）。这些编码通常具有比输入数据低得多的维度，使得自编码器对降维有用（参见第 8 章）。更重要的是，自编码器可以作为强大的特征检测器，它们可以用于无监督的深度神经网络预训练（正如我们在第 11 章中讨论过的）。最后，他们能够随机生成与训练数据非常相似的新数据；这被称为生成模型。例如，您可以在脸部图片上训练自编码器，然后可以生成新脸部。

03

最新深度学习框架——OneFlow：新分布式训练（附源代码）

随着深度学习的发展，用户越来越依赖 GPU 或者其他加速器进行大规模运算。人工智能（Artificial Intelligence）需要更优秀的软件来释放硬件的能量已成业界共识。一方面，各种框架需要进一步降低编写深度学习分布式训练程序的门槛；另一方面，用户期待系统可以支持不同的深度学习网络模型，并实现线性加速。各知名深度学习框架正在朝这方面努力，但用户在使用这些框架时仍会遇到横向扩展性的难题，或者是投入很多计算资源但没有看到效率收益，或者是问题规模超过 GPU 显存限制而无法求解。

03

[TensorFlow深度学习深入]实战三·分别使用DNN,CNN与RNN(LSTM)做文本情感分析(机器如何读懂人心)

不太清楚的可以回顾我们之前的博文。使用了全连接,卷积神经网络与循环神经网络分别实现了. 代码部分： 1.全连接实现

04

【深度学习】5：CNN卷积神经网络原理

前言：先坦白的说，深度神经网络的学习在一开始对我造成的困扰还是很大的，我也是通过不断地看相关的视频资料、文献讲解尝试去理解记忆。毕竟这些内容大多都是不可查的，我们看到的都只是输入输出的东西，里面的内部运作以及工作原理，都需要沉心静思。

02

Tensortflow学习笔记

w=tf.Variable(tf.random_normal(2,3,stddev=2, mean=0, seed=1))

01

TensorFlow 高效编程

TensorFlow 和其他数字计算库（如 numpy）之间最明显的区别在于 TensorFlow 中操作的是符号。这是一个强大的功能，这保证了 TensorFlow 可以做很多其他库（例如 numpy）不能完成的事情（例如自动区分）。这可能也是它更复杂的原因。今天我们来一步步探秘 TensorFlow，并为更有效地使用 TensorFlow 提供了一些指导方针和最佳实践。

01

tensorflow2.0卷积神经网络_python神经网络框架

卷积神经网络一般用来处理图像信息，对于序列这种一维的数据而言，我们就得采用一维的卷积，tensorflow中提供有专用的函数conv1d，各参数的使用说明如下：

04

TensorFlow和深度学习入门教程

前言上月导师在组会上交我们用tensorflow写深度学习和卷积神经网络，并把其PPT的参考学习资料给了我们，这是codelabs上的教程：《TensorFlow and deep learning,without a PhD》 https://codelabs.developers.google.com/codelabs/cloud-tensorflow-mnist/#0 当然需要安装python，教程推荐使用python3。好多专业词太难译了，查了下，大家有些都是不译的。比如：dropou

06

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

扫码加入开发者社群

相关资讯

热门标签

活动推荐

运营活动

活动名称

广告关闭