我可以将numpy函数转换为tensorflow函数吗？
是的，你可以将NumPy函数转换为TensorFlow函数。TensorFlow是一个开源的机器学习框架，它提供了丰富的数学运算和机器学习算法，而NumPy是一个Python库，用于科学计算和数值运算。由于两者都具有类似的功能和接口，因此可以相互转换。
要将NumPy函数转换为TensorFlow函数，你可以使用TensorFlow的tf.convert_to_tensor函数将NumPy数组转换为TensorFlow张量。这样，你就可以在TensorFlow中使用NumPy函数了。
以下是一个示例代码：
import numpy as np
import tensorflow as tf
# 定义一个NumPy函数
def numpy_function(x):
return np.square(x)
# 将NumPy函数转换为TensorFlow函数
tf_function = tf.numpy_function(numpy_function, [tf.constant(2.0)], tf.float64)
# 在TensorFlow中使用转换后的函数
result = tf_function.numpy()
print(result) # 输出：4.0在这个示例中，我们定义了一个名为numpy_function的NumPy函数，它接受一个参数x并返回x的平方。然后，我们使用tf.convert_to_tensor函数将NumPy函数转换为TensorFlow函数tf_function。最后，我们使用tf_function在TensorFlow中计算结果，并将结果打印出来。
需要注意的是，转换后的TensorFlow函数可能会有一些性能上的损失，因为TensorFlow需要构建计算图来执行函数。因此，在性能要求较高的情况下，建议直接使用TensorFlow的原生函数。
推荐的腾讯云相关产品：腾讯云AI引擎（https://cloud.tencent.com/product/tai），腾讯云机器学习平台（https://cloud.tencent.com/product/tensorflow），腾讯云容器服务（https://cloud.tencent.com/product/tke）。
相关·内容
使用tensorflow 2.4.1，我将重写keras中的SimpleRNNCell.call，如下所示：
准确地说，偏倚部分如下：
if self.bias is not None:
bias_inv = np.arctanh(self.bias)
h = K.bias_add(h, bias_inv)
我得到了以下错误：
NotImplementedError: in user code:
<ipython-input-12-a2655e34a197>:72 call *
inputs, mask=mask, tr
浏览 6提问于2021-04-13得票数 0
回答已采纳
1回答
我有两个大小为(128，)的数组和一个大小为(784,128)的数组： array1.shape()
out: (128,)
array2.shape()
out: (128,)
array3.shape()
out: (784,128) 它们具有相同的数据类型，但dtype()输出不同： array1.dtype
out: float32
array2.dtype
out: <dtype: 'float32'>
array2.dtype
out: <dtype: 'float32'> 它们属于不同的类别： type(array1)
o
浏览 27提问于2020-09-05得票数 0
如果我采用tensorflow.keras模型并调用model.fit(x, y) (其中x和y是numpy数组)，那么numpy数组是什么dtype重要吗？我最好把dtype尽可能的小(例如，二进制数据的int8 )，还是让tensorflow/keras额外的工作把它转换成浮点数？
浏览 0提问于2020-08-15得票数 3
回答已采纳
我正在尝试创建一个模型图，其中我的输入是tensorflow变量，这是我从我的java程序中输入的代码，我使用的是numpy方法，在这里我需要将tensorflow变量输入转换为numpy数组输入。
这里的是我的代码片段
import tensorflow as tf
import numpy as np
eps = np.finfo(float).eps
EXPORT_DIR = './model'
def standardize(x):
med0 = np.median(x)
mad0 = np.median(np.abs(x - med0))
x1 =
浏览 0提问于2018-01-18得票数 0
3回答
我已经根据我的数据训练了ResNet50模型。我希望在进行预测时获得自定义层的输出。我尝试使用下面的代码获取自定义层的输出，它以张量格式给出数据，但我需要NumPy array格式的数据。我试图将张量转换为NumPy数组，但是得到了错误，我遵循了这个，但这没有帮助
任何人能分享一些想法吗，任何建议都会很有帮助。
from keras.models import load_model
import tensorflow as tf
import numpy as np
config = tf.ConfigProto()
config.gpu_options.allow_growth = Tru
浏览 7提问于2020-09-22得票数 1
回答已采纳
1回答
我搜索numpy.numpy()并尝试用.np()替换.numpy()，因为numpy已经导入为np这里：Tensorflow教程
但是使用`.np()会返回一个错误。
在“建立培训实例和目标”一节中，有：
# Create training examples / targets
char_dataset = tf.data.Dataset.from_tensor_slices(text_as_int) #slices text_as_int into elements for dataset
print(type(char_dataset))
for i in char_dataset.
浏览 0提问于2019-05-06得票数 0
回答已采纳
我是Tensorflow的新手，最近开始学习它。我在一个音频数据上练习Tensorflow时遇到了这个错误。我在试着播放colab笔记本里的音频。有人能帮我解决这个问题吗？ pip install tensorflow-io
import tensorflow as tf
import tensorflow_io as tfio
audio = tfio.audio.AudioIOTensor('/content/dataset/TrainAudioFiles/0.mp3')
print(audio)
audio_slice = audio[100:]
audio_te
浏览 90提问于2021-08-23得票数 0
回答已采纳
1回答
假设我有一个巨大的对象列表，例如，每个对象都可以是一个numpy数组列表。
将此数据集传递给tensorflow的最佳方式是什么？
我希望能够随机地混洗数据并形成批处理。使用标准的python(numpy)过程来混洗数据集和表单批处理，然后使用tf.data.Dataset.from_generator()之类的东西，可能值得吗？
由于tf.GraphDef协议缓冲区的大小限制(根据Tensorflow文档)，将完整数据集转换为tf.Tensor的直接方法似乎无用。
浏览 2提问于2018-10-24得票数 1
我目前正在做一个用tensorflow和keras实现的神经网络，我需要做的是调用一个我不能重新实现的函数，它在numpy数组上工作，而不是在张量上工作，我的第一个想法是像这样调用.numpy
def loss_gi(y_true, y_pred): # <class 'tensorflow.python.framework.ops.Tensor'>
x = gamma(np.squeeze(y_true.numpy() , axis=0), np.squeeze(y_pred.numpy() , axis=0))
return np.nansum(x)
浏览 3提问于2020-11-12得票数 0
我使用TensorFlow对Ogg和MIDI数据进行机器学习，但是很多预处理都是用NumPy (使用feed_dict:s)完成的，为了简化生产部署(Google，或者可能是自我托管的TensorFlow服务)，我希望尽可能多地将其迁移到计算图中。我该怎么做？是否有自动将NumPy转换为TensorFlow操作的方法？
浏览 5提问于2017-01-02得票数 1
我想在Tensorflow中使用一个预先训练过的Pytorch模型，并且我需要将tensorflow张量转换为pytorch张量。但是，我不想将Py手电筒张量转换为numpy数组，并将其转换为tensorflow张量，因为我得到的错误是“您必须为占位符张量提供一个值”。当我制作图形时，我需要这个转换，这样tensorflow张量就没有价值了，并且不能转换为numpy！有什么解决办法吗？
浏览 5提问于2021-01-24得票数 2
回答已采纳
1回答
我的目标是最小化一个变量函数f(x1, x2,..., xn)，它涉及到大量复杂的计算。所以我用scipy.numpy包编写了f(x)，并用scipy.optimize.minimize()最小化了它。但是最小化f(x)几乎需要4~5个小时，太慢了。为了提高速度，我打算使用gpu。而且它需要tensorflow，这不像numpy那么方便。因此，我在下面定义了一个函数来将numpy函数转换为tensorflow函数。 举个简单的例子： def f(x):
return np.sin(x)
x = np.linspace(0, 5, 6)
X = tf.Variable(x, dtyp
浏览 16提问于2020-04-03得票数 1
当我尝试使用tf.reduce_mean计算所有轴的图像平均值时，它显示“启动内核时出现错误”。
下面是我的代码：
import tensorflow as tf
import numpy as np
imgdata = tf.read_file("./test_img/00000001.jpg")
my_img = tf.image.decode_jpeg(imgdata)
image = tf.reduce_mean(my_img)
tf.Session().run(image)
我试着在计算均值之前运行会话来获取"my_img“，但它不能很好地工作。
如果我尝试计
浏览 1提问于2018-02-01得票数 1
3回答
我有一个形状为(30, 116, 10)的张量，我想交换前两个维度，所以我有一个形状为(116, 30, 10)的张量
我将numpy看作是这样一个函数实现(np.swapaxes)，我在tensorflow中搜索了类似的东西，但什么也没有找到。
你有什么想法吗？
浏览 3提问于2016-07-06得票数 40
回答已采纳
阅读TensorFlow文档：
import numpy as np
ndarray = np.ones([3, 3])
print("TensorFlow operations convert numpy arrays to Tensors automatically")
tensor = tf.multiply(ndarray, 42)
print(tensor)
print("And NumPy operations convert Tensors to numpy arrays automatically")
print(np.add(tenso
浏览 0提问于2020-04-04得票数 2
我正在使用带有numpy随机函数的Tensorflow，但输出的值是相同的。如何生成不同的值？你可能推荐使用原生tf随机函数，但我需要使用numpy随机函数。
import tensorflow as tf
import random
def get_rand():
return random.randint(0,5)
a = get_rand()
tfprint = tf.Print(a, [a])
for i in range(10):
print(print(get_rand()))
with tf.Session() as sess:
for i in
浏览 0提问于2018-04-22得票数 0
1回答
我有一个索引元组的数组，我想用它从一个多维的numpy数组中挑选出值，
import numpy
a = numpy.random.rand(10, 10, 10)
idx = [[1, 1, 2], [0, 3, 7], [9, 8, 4], [9, 9, 9]]
只有在知道a.ndim的情况下，理解[a[i, j, k] for i, j, k in idx]才能工作。
有什么提示吗？
浏览 10提问于2017-02-27得票数 2
回答已采纳
我正在训练一个Tensorflow模型，需要高精度的输出。我的输出格式是：
U = X1.Y1Y2Y3Y4Y5Y6
V = X1.Y1Y2Y3Y4Y5Y6
其中X1是小数点之前的数字，Y1是小数点之后的数字.，Y6是小数点之后的数字。显然，不能使用圆形操作，因为它破坏了梯度。我想出了以下的想法：
U = tf.cast(tf.cast(U,'float16'),'float32')
W = U+1e-4*V
这样，不同的数字可以被不同的TensorFlow变量控制，并且训练应该更有效率。我希望得到一个输出，如：
U= X1.Y1Y2Y3000
用Y4=Y5=Y6
浏览 3提问于2021-01-20得票数 1
回答已采纳
我在网上重新创建了一些代码，用于使用策略梯度解决土匪问题。示例是在tensorflow 1.0中，因此我使用急切的执行和梯度磁带使用tensorflow 2.0重新创建了它，但是，在训练模型时，我必须将权重张量转换为numpy数组，更新权重，然后从numpy数组重新分配tf.Variable。我觉得这不是表演，我可以找到更好的方法。完整代码在这里，https://github.com/entrpn/reinforcement-learning/blob/master/tf2_rl/bandits.py
我希望改进的主要代码如下：
def train(agent,action,reward, l
浏览 0提问于2019-12-23得票数 1
我正在编写自己的度量回调函数，其中我使用sklearn来计算度量，为此，我需要将y_true和y_pred张量作为numpy数组。我的功能是这样的：
def precision_macro(y_true, y_pred):
# get the y_true and y_pred tensors as 1-D numpy array
y_true_array = np.array(true)
y_pred_array = np.array(pred)
....................
....................
CAL
浏览 2提问于2021-09-05得票数 1
我正在尝试将一个简单的片段从TensorFlow 1.x转换为TensorFlow 2：
# ########## TensorFlow 1.x code: ##########
import numpy as np
import tensorflow as tf
coefficients = np.array([[1.], [-10.], [25.]])
w = tf.Variable(0, dtype=tf.float32)
x = tf.placeholder(tf.float32, [3, 1])
cost = (x[0][0] * (w**2)) + (x[1][0]*w) + (
浏览 3提问于2020-09-04得票数 3
回答已采纳
我正在阅读Tensorflow 2.0谷歌网站，他们在那里讨论特性列API。在他们讨论数字列的第二个例子中，示例代码生成下面的警告。这个警告似乎是关于转换一些数据，但是消息并没有确切地解释如何解决这个问题--也就是说，用户应该在哪里显式地转换数据，以避免这个警告：
WARNING:tensorflow:Layer dense_features is casting an input tensor from dtype
float64 to the layer's dtype of float32, which is new behavior in TensorFlow
2. Th
浏览 21提问于2019-12-05得票数 0
我已经阅读了tensorflow的指南，这里是，在本指南中使用了模型y= W*x +b的一维示例，之后我尝试为x创建二维。以下是我的代码：
import tensorflow as tf
import numpy as np
import random as rd
rd.seed(2)
#model is 2*x1 + x2 - 3 = y
def create_data_train():
x_train = np.asarray([[2,3],[6,7],[1,5],[4,6],[10,-1],[0,0],[5,6],
[8,9],[4.5,6.2],[1,1],[0.3,0.2]])
w
浏览 2提问于2017-11-22得票数 0
回答已采纳
我正在使用带有yolov2架构的基于keras和tensorflow的预训练模型来检测凹坑，在将tensorflow模型转换为tensorflow lite时，我得到了一个错误 from tensorflow.contrib import lite
converter = lite.TFLiteConverter.from_keras_model_file( 'model.h5' )
model = converter.convert()
file = open( 'model.tflite' , 'wb' )
file.write( mod
浏览 26提问于2020-04-13得票数 0
我正在运行一个简单的微调使用余弦相似损失代码，并得到以下错误。你能帮我了解一下这个问题并解决吗？
Tensorflow版本: 2.0
错误：
ValueError:找不到可以处理输入的数据适配器：(包含{"class‘str’“}类型的值的类”list“)，类”numpy.ndarray“>
代码
import tensorflow as tf
import tensorflow_hub as hub
from tensorflow import keras
huburl='https://tfhub.dev/google/universal-sentence-encod
浏览 0提问于2019-12-18得票数 3
我正在尝试从包含字符串矩阵"1“、"2”、"1“、"3”、"45“、"65”的CSV文件中读取数据。我想将其更改为float或int，以便使用tensorflow准备数据
import numpy as np
import tensorflow as tensorFlow
import csv
import ast
file = open('stub.csv')
reader = csv.reader(file)
temp = list(reader)
del temp[0]
# convert data to numpy a
浏览 0提问于2016-11-10得票数 1
据我所知，这个错误是由于没有在tensorflow中使用numpy数组造成的。我将我所有的列表转换为numpy数组，但它不起作用。
维度是错误的吗？如何确定导致错误的原因？
相关数组的形状和数据类型为：
Shapes and dtypes:
traininginput:
(44137,) (Should be (44137, 221)?)
object
trainingoutput:
(44137,) (Should be (44137, 1)?)
object
validationinput:
(2454,) (Should be (2454, 221)?)
object
valid
浏览 0提问于2016-06-11得票数 1
1回答
我有一个TensorFlow 模型，其形式是h5文件。
如何上传图像并在NumPy中返回FastAPI数组？
import numpy as np
import cv2
from fastapi import FastAPI, File, UploadFile
import numpy as np
from tensorflow.keras.models import load_model
import tensorflow as tf
model=load_model("complete_model.h5")
app = FastAPI()
def prepare(im
浏览 16提问于2022-02-13得票数 1
回答已采纳
1回答
根据文档：
fit(x=None, y=None, batch_size=None, epochs=1, ...)
fit函数的参数是numpy数组：
参数
x:训练数据的Numpy数组(如果模型有一个输入)，或者Numpy数组的列表(如果模型有多个输入)。如果模型中的输入层是命名的，您还可以传递一个字典，将输入名映射到Numpy数组。如果从框架本机张量(例如TensorFlow数据张量)提供数据，X可以是空(默认)。
y:目标(标签)数据的Numpy数组(如果模型只有一个输出)，或者Numpy数组的列表(如果模型有多个输出)。如果模型中的输出层是命名的，您还可以传递一个字典，将输出名称映射
浏览 1提问于2019-08-20得票数 1
回答已采纳
问:我的训练太慢了。我如何重写我的代码，使我的深度学习模型训练更快？
背景:我用TensorFlow 2.8.1构建了一个CNN，用一个定制的丢失函数对CIFAR-100图像进行分类。CIFAR数据集包括由100个精细类(如熊、汽车)组成的32x32像素的RGB图像，分为20个粗类(例如大型杂食类、车辆类)。我的自定义损失函数是其他两个损失函数的加权和(参见下面的代码)。第一个成分是精细标签的交叉熵损失。第二个成分是粗标签的交叉熵损失。我希望这种自定义丢失功能将加强粗标签的精确分类，以获得更准确的精细标签分类(手指祈祷)。比较器将只是细标签(基线模型)的交叉熵损失。注意，为了导出粗(层次)损失
浏览 7提问于2022-09-20得票数 0
1回答
我有一个矩阵(numpy 2d数组)，其中每一行都是有效的概率分布。我有另一个向量(numpy 1d数组)，同样是一个prob。我需要计算矩阵的每一行和向量之间的KL散度。在不使用for循环的情况下可以这样做吗？
问了同样的问题，但没有一个答案能解决我的问题。其中一个建议使用for循环，这是我想避免的，因为我有大量的数据。另一个答案是在tensorflow中提供了一个解决方案，但我想要的是numpy数组。
计算两个向量之间的KL散度，但当其中一个向量是矩阵时，我无法得到如何使用它。
浏览 2提问于2019-07-21得票数 0
回答已采纳
我学习了“训练自定义对象检测器”教程()
在运行脚本以继续培训预先培训的模型时：
python model_main_tf2.py --model_dir=models/my_ssd_resnet50_v1_fpn --pipeline_config_path=models/my_ssd_resnet50_v1_fpn/pipeline.config
(在此发现：)
使用不同的numpy版本，我得到以下错误。
设想方案1：
tensorflow: 2.2.0numpy: 1.20.0-1
NotImplementedError: Cannot convert a symbolic Tensor
浏览 2提问于2021-02-25得票数 10
回答已采纳
我在tensorflow上尝试了我的第一次尝试-我试图通过获取10维的输入向量X并输出标量Y来学习线性回归器。具体地说，我试图使用基于闭合形式梯度的解决方案。
我收到了以下错误，但我不确定我做错了什么。任何能给我指明正确方向的东西都将不胜感激！
PS C:\Users\Dave\Documents\School\Deep Learning\Assignment_1> python test1.py
I c:\tf_jenkins\home\workspace\release-win\device\gpu\os\windows\tensorflow\stream_executor\dso_
浏览 4提问于2017-02-08得票数 3
回答已采纳
在这篇结合的lstm论文中，，他们要求改变一个复张量。
他们在这里提供了代码：
我在尝试在tensorflow中复制这个。以下是我所做的：
# shape: C x F/2
# output = self.permutations: [num_copies x cell_size]
permutations = []
indices = numpy.arange(self._dim / 2) #[1 ,2 ,3 ...64]
for i in range(self._num_copies):
numpy.random.shuffle(indices) #[4, 48, 32, ...6
浏览 2提问于2016-05-05得票数 0
回答已采纳
tf.transpose(a, perm=None, name='transpose')
转换a，它根据烫发改变尺寸。因此，如果我使用这个矩阵来转换：
import tensorflow as tt
import os
os.environ["TF_CPP_MIN_LOG_LEVEL"]="3"
import numpy as bb
ab=([[[1,2,3],[6,5,4]],[[4,5,6],[3,6,3]]])
v=bb.array(ab)
fg=tt.transpose(v)
print(v)
with tt.Session() as
浏览 0提问于2017-04-22得票数 15
回答已采纳
1回答
我有两个包含图像和标签的形状数组(600 )。当我试图以任何形式将它们传递给Keras/Tensorflow时，我会得到以下错误：
ValueError:无法将NumPy数组转换为张量(不支持对象类型numpy.ndarray)。
据我所知，图像存储在数组中。当观察内部数组(单个图像)时，它们具有以下属性：
具有形状的dtype=uint8数组：(x，500，3)，其中x在300和500之间。
我能够通过pandas.apply在图像数组上应用tf层，希望问题是图像大小不一致：
resize_and_rescale = tf.keras.Sequential([
tf.keras.la
浏览 4提问于2021-05-19得票数 2
我正在尝试使用TensorFlow API和tensorflow_io从DICOM图像创建一个DICOM数据集，并且我想从图像中使用Hounsfield单元执行一些预处理。DICOM图像的形状为(512,512)。我已经从图像中提取了PixelData，并希望使用以下代码将其转换为具有适当形状的numpy数组：
image_bytes = tf.io.read_file(image_path)
PixelData = tfio.image.decode_dicom_data(image_bytes, tfio.image.dicom_tags.PixelData).numpy()
pixel_
浏览 17提问于2022-01-30得票数 1
回答已采纳
如果我正确理解(否)，有两种方法可以将numpy数组传递给tensorflow计算图：
使用tf.placeholder并在feed_dict中传递这个numpy数组
使用tf.convert_to_tensor，将这个numpy数组转换为张量，然后使用这个张量进行任何计算。
这两种方法有什么不同吗？
浏览 4提问于2019-08-22得票数 3
回答已采纳
1回答
当以Tensorflow张量为参数调用any /numpy特殊函数时，是否存在性能成本？而不是使用tensorflow.math提供的函数
我之所以问这个问题，是因为有些特殊的功能可以在not上使用，而在Tensorflow (例如scipy.special.erfcx)上则没有。我认为Tensorflow提供了tensorflow.math中的函数，而不是建议直接使用numpy或scipy，因为这样可以加快速度吗？
编辑：注意到我试图使用@tf.function
import scipy.special
import tensorflow as tf
@tf.function
def er
浏览 7提问于2020-01-06得票数 1
我想把Tensorflow张量转换成一个numpy数组。我的代码如下：
t = tf.gather_nd(angle, [1,1]) # extract row 1, column 1 element of angle tensor
t = t.numpy() # convert tensor t to numpy array
其结果是：
AttributeError: 'Tensor' object has no attribute 'numpy'
我尝试过不同的建议，比如尝试不同的Tensorflow版本(2.0,2.2,2.7)，以及使用tf.compa
浏览 32提问于2022-04-02得票数 0
我是TensorFlow (版本1.2)的新手，但不是Python或Numpy的新手。我正在建立一个模型来预测蛋白质分子的形状。我需要用一些额外的代码包装TensorFlow的标准tf.losses.cosine_distance函数，因为我需要停止将一些NaN值传播到损失计算中。
我确切地知道哪些细胞是NaN。不管我的机器学习系统为这些细胞预测了什么都不算。在总结损失函数之前，我计划将NaN部分的tf.losses.cosine_distance输出转换为零。
下面是使用tf.scatter_nd_update进行元素分配的工作代码片段：
def custom_distance(predic
浏览 4提问于2017-08-01得票数 3
回答已采纳
老实说，我正试图弄清楚如何将数据集(格式:熊猫、DataFrame或numpy数组)转换成一种简单的文本分类tensorflow模型可以用来进行情感分析的形式。我使用的数据集类似于IMDB (包含文本和标签(正或负))。我看过的每一篇教程要么准备了不同的数据，要么就不去做数据准备，而把它留给你想象。(例如，所有IMDB教程都从tensorflow_datasets导入一个预处理的Tensorflow tensorflow_datasets，当我使用自己的数据集时，这是没有帮助的)。我自己试图将Pandas DataFrame转换为Tensorflow的Dataset类型，这在训练中导致了Val
浏览 2提问于2019-10-13得票数 11
回答已采纳
我正在使用tensorflow 2.0.0-beta1和python 3.7
首先，考虑tensor.numpy()正确工作的以下代码：
import tensorflow as tf
import numpy as np
np.save('data.npy',np.ones(1024))
def func(mystr):
return np.load(mystr.numpy())
mystring = tf.constant('data.npy')
print(func(mystring))
上述代码工作正常，并输出[1. 1. 1. ...
浏览 1提问于2019-06-19得票数 10
我正在尝试将保存在SavedModel格式(包含.pb文件、assets文件夹和variables文件夹的文件夹)中的Tensorflow对象检测模型转换为Keras.h5以进行更简单的推断。然而，尝试常见的StackOverflow回答这个问题(例如，)会导致ValueError: Unable to create a Keras model from this SavedModel. This SavedModel was created with tf.saved_model.save, and lacks the Keras metadata.Please save your Kera
浏览 38提问于2022-01-04得票数 2
我在Tensorflow中实现了一个特殊的损失函数。下面是一个特殊函数的numpy风格的代码，该函数选择前Q个元素，并屏蔽每行每列中的其他元素。注意，A是一个n*n矩阵，而q是一个小于n的整数。 def thresh(A, q):
A_ = A.copy()
n = A_.shape[1]
for i in range(n):
A_[i, :][A_[i, :].argsort()[0:n - q]] = 0
A_[:, i][A_[:, i].argsort()[0:n - q]] = 0
return A_ 现在的问题是，我
浏览 19提问于2019-06-21得票数 1
回答已采纳
我希望使用Pyinstaller将我的.py脚本(在执行时工作得很好)转换为.exe，但是当转换完成并启动新生成的.exe文件时，cmd会弹出并在其上显示闪烁的光标，然后什么也不会发生。我曾尝试过不同的转换方式，如pyinstaller -F script.py和pyinstaller --onefile -w script.py，但从未产生任何效果。然后我试着从cmd启动它，没有区别。但是我做了一个测试脚本，它只是打印出“hello world”作为一个输出，它起了作用。在实际的转换过程中，似乎没有任何可疑的事情发生，除了一些模块没有被检测到，但是如果我正确地理解了，它们并不一定是必需的。(
浏览 2提问于2020-10-02得票数 1
是否有任何方法从tensorflow数据集中选择特性或标签，而不使用numpy转换方法或迭代？
我发现的最简单的例子是：
import tensorflow_datasets as tfds
ds = tfds.load('mnist', split='train', shuffle_files=True)
print(ds)
>> <_OptionsDataset shapes: {image: (28, 28, 1), label: ()}, types: {image: tf.uint8, label: tf.int64}>
在这
浏览 0提问于2020-05-12得票数 0
我正尝试在2D数组上的单个轴上使用指定切片执行局部缩减。 我使用numpy的numpy.ufunc.reduceat或numpy.add.reduceat实现了这一点，但我想在tensorflow中做同样的事情，因为这个reduce操作的输入是tensorflow卷积的输出。 我遇到了tf.math.reduce_sum，但我不确定如何在我的案例中使用它。 如果我可以在tensorflow中执行reduceat操作，那就太好了，因为我可以利用图形处理器的优势。
浏览 15提问于2019-09-01得票数 0
回答已采纳
1回答
我在Tensorflow中使用了eigendecomposition，发现它非常慢。下面的代码显示了Tensorflow的速度与numpy和scipy的速度：
import numpy as np
import scipy as sp
import tensorflow as tf
from time import time
A = np.random.randn(400, 400)
A_tf = tf.constant(A)
cur = time()
d, v = sp.linalg.eig(A)
print(f'sp: {time() - cur:4.2f} s')
浏览 6提问于2020-09-05得票数 4
TensorFlow提供了一种在Fortran (列-主要顺序)中重塑张量的方法吗？NumPy允许：
a = ...
np.reshape(a, (32, 32, 3), order='F')
我试图将CIFAR图像重塑为32x32x3 (来自3072x1形状的向量)，但我得到的图像如下所示：
在Numpy中使用Fortran解决了这个问题，但我需要在TensorFlow中也这样做。
编辑：，我现在意识到，我可以通过将3x32x32整形为3x32x32，然后转换输出，从而得到正确的输出。我仍然有点惊讶，TF没有提供开箱即行或列主要顺序的整形。
浏览 4提问于2017-05-28得票数 11
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
