检查张量A行中的任何前k个条目与张量B行中的argmax是否相等
问题：检查张量A行中的任何前k个条目与张量B行中的argmax是否相等。
回答： 在这个问题中，我们需要检查张量A中的每一行的前k个条目是否与张量B中的相应行的argmax相等。下面是答案的完善和全面的描述：
- 张量（Tensor）：张量是一种多维数组或矩阵的通用术语，它是云计算和深度学习中的基本数据结构。张量可以是标量（0维）、向量（1维）、矩阵（2维）或高维数组（超过2维）。在云计算中，张量是在分布式计算和存储中传输和处理数据的基本单位。
- 行（Row）：在矩阵或张量中，行是横向的一组元素。行通常用于表示某个数据样本或对象的特征。
- 前k个条目（Top k items）：在张量或向量中，前k个条目是指具有最高值或分数的前k个元素。
- argmax：argmax是一个函数，用于找到张量或向量中的最大值的索引。在本问题中，我们需要找到张量B每一行的argmax。
应用场景： 在许多机器学习和深度学习任务中，我们经常需要比较两个张量或向量之间的相似性。通过检查张量A行中的前k个条目是否与张量B行中的argmax相等，我们可以评估它们之间的相似性或匹配程度。这个问题在推荐系统、图像分类、自然语言处理等领域都有广泛的应用。
腾讯云相关产品和产品介绍链接地址： 腾讯云提供了丰富的云计算产品和服务，以支持各种应用场景和需求。以下是一些与云计算相关的腾讯云产品和官方介绍链接地址，供参考：
- 云服务器（CVM）：提供可扩展的云服务器实例，用于运行应用程序和服务。 链接地址：https://cloud.tencent.com/product/cvm
- 云数据库 MySQL 版（CDB）：提供高性能、可扩展的关系型数据库服务。 链接地址：https://cloud.tencent.com/product/cdb
- 腾讯云容器服务（TKE）：提供高性能、可弹性伸缩的容器化应用程序管理平台。 链接地址：https://cloud.tencent.com/product/tke
- 腾讯云人工智能（AI）：提供多种人工智能相关的服务和解决方案，如图像识别、自然语言处理等。 链接地址：https://cloud.tencent.com/product/ai
注意：由于问题要求不提及其他品牌商，这里只给出了腾讯云的相关产品链接，其他品牌商也会提供类似的产品和服务。
相关·内容
为什么TensorFlow张量在Numpy中的数学函数行为与在Keras中的数学函数中的行为不同？
Numpy数组似乎在与TensorFlow张量相同的情况下正常工作。
此示例显示在numpy函数和keras函数下正确地处理了numpy矩阵。
import numpy as np
from keras import backend as K
arr = np.random.rand(19, 19, 5, 80)
np_argmax = np.argmax(arr, axis=-1)
np_max = np.max(arr, axis=-1)
k_argmax = K.argmax(arr
浏览 0提问于2018-02-05得票数 4
回答已采纳
张量/pytorch新手。 我有两个二维张量，A和B。 包含表示分配给某个索引的概率的浮点数。B在正确的索引中包含一个热的二进制向量。 A
tensor([[0.1, 0.4, 0.5],
[0.5, 0.4, 0.1],
[0.4, 0.5, 0.1]])
B
tensor([[0, 0, 1],
[0, 1, 0],
[0, 0, 1]]) 我想找出A的任何top-k值的索引与B中的one-hot索引匹配的行数。在本例中，是k=2。 我的尝试是： tops = torch.topk(A, 2, dim=1)
top_id
浏览 24提问于2021-11-14得票数 1
回答已采纳
1回答
我正在为cifar-10数据集上的半监督学习编写一个自定义损失函数，为此，我需要复制张量的列，以创建一种掩码，然后将其与激活值相乘，以便稍后求和。
我的损失函数是未标记样本和标记样本的熵和交叉熵之和。我添加了一个额外的类，并将其设置为1，用于未标记的样本。
然后，我创建了一个掩码，用于从y_true张量中识别未标记样本的行索引。由此，我应该得到一个(n_samples，1)张量，我需要重复/复制/复制到一个(n_samples，11)张量，我可以将它与y_pred中的激活值相乘
损失函数代码：
a = np.ones((mini_batch_size, 1)) * 10
浏览 0提问于2019-12-02得票数 0
2回答
我正在构建一个自定义度量来测量训练期间多类数据集中一个类的准确性。我选这门课有困难。
目标是一个热点(例如:类0标签是[1 0 0 0 0])：
from keras import backend as K
def single_class_accuracy(y_true, y_pred):
idx = bool(y_true[:, 0]) # boolean mask for class 0
class_preds = y_pred[idx]
class_true = y_true[idx]
class_acc = K.mean(
浏览 3提问于2017-01-04得票数 20
回答已采纳
假设我有一个大小为BxWxHxD的张量。我想要处理张量，这样我就有了一个新的BxWxHxD张量，其中只保留每个WxH切片中的最大元素，而所有其他值都为零。
换句话说，我认为实现这一点的最好方法是以某种方式跨WxH切片获取2Dargmax，从而产生行和列的BxD索引张量，然后可以将其转换为单热BxWxHxD张量用作掩码。我该怎么做呢？
浏览 2提问于2016-04-04得票数 9
在torch==1.7.1+cu101中，我有两个张量
import torch
a = torch.rand(1,5,10)
b = torch.rand(100,1,10)
和一个前馈网络
import torch.nn as nn
l = nn.Linear(10,10)
我强迫其中一行是平等的：
a[0,0] = b[80][0].clone()
然后，我将两个张量都提供给l。
r1 = l(a)
r2 = l(b)
显然，由于a[0,0]等于b[80,0]，r1[0,0] 必须等于 r2[80,0]。但结果却是：
(r1[0,0] == r2[80,0]).all()
>>
浏览 2提问于2021-10-06得票数 3
回答已采纳
1回答
对于密集的张量，我们可以使用tf.nn.topk来找到最后一维的k个最大条目的值和索引。
对于稀疏张量，我希望有效地获得每行的前n个项目，而不会将稀疏张量转换为密集张量。
浏览 3提问于2020-07-21得票数 1
我有形状的张量A (2，4，2)，形状的张量B (4，4)，所有的值都是int。A中的条目从0到3。
我想要创建一个形状的张量C(2，4，2)。
for循环代码类似于：
for i in range(2):
for j in range(2):
for k in range(4):
C[i][k][j] = B[k][A[i][k][j]]
我如何在tensorflow中创建这样的张量C？
谢谢。
浏览 3提问于2018-10-08得票数 2
回答已采纳
1回答
假设values和张量T都有形状(N,K)。现在，如果我们从矩阵的角度来考虑它们，我想让T的每一行都获得对应于values最大值的索引的行元素。我可以很容易地找到这些索引：
max_indicies = tf.argmax(T, 1)
它返回形状为(N)的张量。现在，我如何从T中收集这些索引，以便获得某种形状的N？我试过了
result = tf.gather(T,max_indices)
但是它没有做正确的事情-它返回一些形状为(N,K)的东西，这意味着它没有收集任何东西。
浏览 0提问于2017-02-11得票数 2
回答已采纳
我试图从中修改，以便从每个测试映像中获得每个类的单个概率。
我可以使用什么替代的方法？因为这个方法只返回一个布尔张量。但我想保留个人的价值观。
我使用Tensorflow 1.4和Python3.5，我认为行62-82和121-129 / 142可能是要修改的行。有人给我个提示吗？
第62至82行：
def eval_once(saver, summary_writer, top_k_op, summary_op):
"""Run Eval once.
Args:
saver: Saver.
summary_writer: Summary wri
浏览 2提问于2018-01-06得票数 2
回答已采纳
我有一个形状为(A，?，B，C)的张量T。我还有一个张量索引，我将其定义为I=tf.argmax(某种东西)。我想定义T(I，?，:，:)。当索引i不是张量对象而是整数时，操作T(I，：)效果很好。当我是tensor=tf.argmax的时候该怎么办？
浏览 0提问于2020-05-02得票数 1
2回答
总结了问题
我正在处理高维张量，我需要用另一个张量的argmax值来索引一个张量。因此，我需要用dim [3,4]的张量x的argmax对dim [3,4]的张量进行索引。如果张量为：
import torch as T
# Tensor to get argmax from
# expected argmax: [2, 0, 1]
x = T.tensor([[1, 2, 8, 3],
[6, 3, 3, 5],
[2, 8, 1, 7]])
# Tensor to index with argmax from preivous
#
浏览 1提问于2020-06-29得票数 0
回答已采纳
我最近完成了一门课程，在那里我们使用了旧版本的TensorFlow.js，并且有一个关于张量(不仅仅是缓冲区)的有用方法：.get()。由于它已被删除，我必须使用不同的解决方案来创建我的简化学习率优化，其中我将以前的成本与新成本进行比较，如果以前的成本更大，则增加学习率，否则降低学习率。成本总是一个标量张量，我用新的成本堆叠前一个张量，用.argMax()得到更大的张量的索引，并通过.argMax()的索引-the结果从我的“常量”张量中获得项目，该张量只存储两个值，学习率乘以多少。
下面是一个例子：
let learningRate = tf.tensor(1);
const prevCo
浏览 2提问于2020-08-03得票数 1
0回答
我正在使用keras后端来构建一个自定义指标。第一步是将proba张量(softmax的输出)转换为分类数据，例如：
from keras import backend as K
y_pred = K.variable([[0.7, 0.2, 0.1],[0.2, 0.8, 0],[0.2,0.2,0.6],[0.9,0.05,0.05]])
K.eval(y_pred)
给出
array([[ 0.69999999, 0.2 , 0.1 ],
[ 0.2 , 0.80000001, 0. ],
[ 0.2
浏览 0提问于2017-06-15得票数 1
回答已采纳
3回答
我想为每一行选择前3名结果，每一行都有相同的前两列。
例如，数据看起来像，
cat data.txt
A A 10
A A 1
A A 2
A A 5
A A 8
A B 1
A B 2
A C 6
A C 5
A C 10
A C 1
B A 1
B A 1
B A 2
B A 8
为了我想要的结果
A A 10
A A 8
A A 5
A B 2
A B
浏览 5提问于2017-07-18得票数 0
回答已采纳
我想得到张量的最小值索引，但值不是0。
a = np.array([[0, 3, 9, 0],
[0, 0, 5, 7]])
tensor_a = tf.constant(a, dtype=tf.int32)
max_index = tf.argmax(tensor_a, axis=1)
上面的代码定义了一个常量张量，如果我使用tf.argmax，我会得到索引2，3，我怎么才能得到第一行的3和第二行的5的索引，最小值而不是零。我想要得到的真正的索引是1，2。如何在tensorflow中实现它，谢谢。
浏览 8提问于2017-05-13得票数 1
1回答
有什么办法来实现最大池，根据规范的子向量在一个群体中，在毕道尔？具体来说，这就是我想要实现的：
输入
x：二维浮动张量，形状为#节点* dim
集群：一维长张量，形状#节点
输出
y，二维浮动张量，和：
yi=xk k=argmax_{clusterk=i}(torch.norm(xk，p=2)).
我尝试了torch.scatter和reduce="max"，但这只适用于dim=1 and x[i]>0。
有人能帮我解决这个问题吗？
浏览 8提问于2022-08-22得票数 0
for循环使我的程序变得非常慢。我将使用np.sum(target==output)，但是我需要输出中每一行的argmax值。我怎么才能加快速度呢？输出是张量数据类型
for i, x in enumerate(target):
if target[i] == torch.argmax(output[i]):
correct_class += 1
浏览 6提问于2021-03-08得票数 0
3回答
两个3D张量之间的点积
、、、
我有两个三维张量，具有形状[B,N,S]的张量A和同样具有形状[B,N,S]的张量B。我想要得到的是第三个张量形状，我希望它是[B,B,N] C，这里的元素是C[i,j,k] = np.dot(A[i,k,:], B[j,k,:]。我也想实现这是一种矢量化的方式。 一些进一步的信息:两个张量A和B具有形状[Batch_size, Num_vectors, Vector_size]。张量C应该表示来自A的批次中的每个元素与来自B的批次中的每个元素之间的点积，以及所有不同向量之间的点积。 希望它足够清晰，并期待您的回答！
浏览 43提问于2019-06-26得票数 4
回答已采纳
我刚刚注意到TensorFlow中一个意想不到的行为(至少对我来说是这样)。我以为tf.argmax (-argmin)从外到内都在张量的级别上运行，但显然它不是这样的？！
示例：
import numpy as np
import tensorflow as tf
sess = tf.InteractiveSession()
arr = np.array([[31, 23, 4, 24, 27, 34],
[18, 3, 25, 0, 6, 35],
[28, 14, 33, 22, 20, 8],
浏览 0提问于2016-06-29得票数 16
回答已采纳
3回答
我正在使用Eigen库进行矩阵/张量计算，其中我希望返回沿深度轴的最大值的索引。类似于numpy.argmax()在Python中所做的事情。 张量维数如下：(行= 200，列= 200，depth=4) #include <Eigen/Dense>
int main(){
Eigen::Tensor<double, 3> table(4,200,200);
table.setRandom();
// How can I do this task for axis = 2, i.e depth of a tensor?
// int max_a
浏览 285提问于2020-06-09得票数 2
回答已采纳
假设我们有形状(n, k)和(n, k)的两个2D张量。我们希望将这两个张量与所有行式排列连接在一起，以使得到的张量具有形状(n, n, 2*k)。 例如， A = [[a, b], [c, d]]; B = [[e, f], [g, h]] 得到的张量应该是： [[[a, b, e, f], [a, b, g, h]], [[c, d, e, f], [c, d, g, h]]] 假设输入张量A和B具有非静态形状，因此我们不能使用for loop over tf.shape()索引值。 任何帮助都是非常感谢的。非常感谢。
浏览 22提问于2020-08-25得票数 1
回答已采纳
给定一个形状张量，例如(2,3,3,1)，其中批大小为2，每个矩阵为形状(3,3,1)。如何从每个矩阵中找到k个最大元素，并创建一个单热矩阵，以便在这些k个位置的条目在其他地方是1和0。示例：(注意，为了简单起见，每个条目都将是一个浮点数)
input_tensor=[[[1, 5, 7],
[2, 8, 1],
[3, 9, 1],
],
[[0, 9, 5],
[6, 0, 4],
[3, 0, 8]
]
]
K=3的一个热张量：
output_tensor=[[[0, 0, 1],
[0,
浏览 4提问于2019-04-13得票数 1
回答已采纳
1回答
下面是我传递给keras层的函数。
tf.cond()的输出出了问题。它返回<unknown>的形状。输入张量(t)和恒定权张量分别具有(None,6)和(6,)形状。当我把这两个放在tf.cond()之外时，我得到了(None,6)形状的张量，这就是我所需要的。但是，当从tf.cond()内部返回相同的add操作时，我得到了形状<unknown>的张量。
当这个操作通过tf.cond()时会发生什么变化。
def class_segmentation(t):
class_segments = tf.constant([0,0,1,1,2,2])
浏览 4提问于2021-07-14得票数 1
回答已采纳
我在Google中有这篇专栏文章，里面有11位数字的代码，应该是唯一的每行。前3位是部门位置，最后8位是批号，必须是唯一的。示例代码：G0420220001和K0020220002 --我希望确保最后8位数字在每一行中是唯一的。在条件格式中，如果没有前3位数字，我可以使用这个自定义公式=countif(b:b,b:b)>1突出显示重复项，如果我在另一行中输入另一个20220002，则第1行中的20220002条目将被高亮显示，但在彼此看来是唯一的K0020220002和G0420220002将不会被高亮显示。我希望这两个代码被高亮显示，因为两个条目的最后8位数字是相同的。
浏览 0提问于2022-10-24得票数 0
1回答
我想要一个k，由3通过n张量来表示n随机三维向量的k批次，每个向量在a和b之间都有一个量级(欧氏范数)。除了在for循环中将随机kx3xn张量的条目重新标度为n随机长度之外，还有更好/更惯用的方法来做到这一点吗？
浏览 1提问于2022-08-09得票数 2
2回答
我正试图找到一种优雅的方法来解决以下问题。
我有一个包含n dxd矩阵的张量dxd矩阵，它是通过选择矩阵X的行组合得到的。我有第二个numpy数组，大小为k x d。我的目的是扩展张量，以便将k x d矩阵的每一行添加到y张量中的每个元素中，从而得到具有k x n d x (d+1)矩阵的y'张量。
如果没有for循环，我就看不出怎么做了。我的简单代码示例如下：
#Array x
X = np.arange(27).reshape(9,3)
# Create tensor y
combs = [(0,1,2),(0,1,3),(0,1,4),(0,1,5)]
y = X[combs,:
浏览 0提问于2018-06-25得票数 0
回答已采纳
3回答
我想要在矩阵"A“的每一行的最大值的相同索引下提取数组"B”的值。为了找到索引，我使用numpy函数"numpy.argmax“，如下所示：
>>> A=numpy.asarray([[0,1,6],[3,2,4]]);A
array([[0, 1, 6],
[3, 2, 4]])
>>> argA=numpy.argmax(A,axis=1);argA
array([2, 2])
问题是我不知道如何使用"argA“来提取数组"B”中的值。
浏览 1提问于2012-07-03得票数 3
我正在训练一个用于分类的神经网络。在我的研究背景下，我想将每个小批量中的(k)个最高损失归零。如果在某种程度上不依赖numpy，我想不出一种简单的方法来执行这个过程。
我已经尝试了以下步骤：
计算损失数组的argmax索引--它返回一个tf TensorSlice损失张量和指数数组
问题是切片不能使用tf张量来执行。
# losses is tf.Tensor
ind_sorted = tf.argsort(losses)
losses_sorted = losses[ind_sorted] # Error mentioned above
# The issue is that ind_1_s
浏览 56提问于2019-05-23得票数 0
1回答
我有两个张量，它们应该互相重叠，形成一个更大的张量。为了说明：
a = torch.Tensor([[1, 2, 3], [1, 2, 3]])
b = torch.Tensor([[5, 6, 7], [5, 6, 7]])
a = [[1 2 3] b = [[5 6 7]
[1 2 3]] [5 6 7]]
我想将这两个张量组合起来，并将它们部分重叠在一个列中，对于那些重叠的元素，取其平均值。
例如：
result = [[1 2 4 6 7]
[1 2 4 6 7]]
前两列是a的前两列。最后两列是'b‘的最后两列。中间列是a
浏览 0提问于2019-08-27得票数 2
回答已采纳
为什么sess在培训中传递给消费者而在acccracy 中失败
我正在进行批处理准确性测试，并遇到了错误:ValueError(“无法使用eval()：No计算张量”ValueError:无法使用eval()：No计算张量)。使用with sess.as_default()或将一个显式会话传递给“Use”(session=sess)
我一直在使用线程进行培训，并且没有遇到像这样将会话作为sess传递给消费者类的问题：
_, c = self.sess.run([self.optimizer, self.cost], feed_dict={x: np.array(batch_x),y: np.a
浏览 3提问于2017-12-21得票数 0
我有一个形状为Nx7的张量，它看起来像这样：
[0.97863993 0.64479575 -0.202357 0.94678476 0.0080051 0.44507797 0.47864
0.05914348 -0.72649432 0.193803 0.47295245 0.8381458 0.30449861 0.46783]
我有另一个相同形状的张量，它是一个布尔掩码：
[True False True True False True False
False True False False True False False]
我想要得
浏览 14提问于2017-08-06得票数 1
我想知道对于下面的代码是否有更有效的替代方案，而不用在第4行中使用" for“循环呢？
import torch
n, d = 37700, 7842
k = 4
sample = torch.cat([torch.randperm(d)[:k] for _ in range(n)]).view(n, k)
mask = torch.zeros(n, d, dtype=torch.bool)
mask.scatter_(dim=1, index=sample, value=True)
基本上，我要做的是通过n掩码张量来创建一个d，这样在每一行中，精确的k随机元素都是真的。
浏览 1提问于2020-10-01得票数 2
回答已采纳
1回答
索引Keras张量
、、、
my函数模型的输出层是维数x的张量(None, 1344, 2)。我希望从n < 1344的二维范围内提取x条目，并创建一个尺寸为(None, n, 2)的新张量y。
简单地访问n似乎可以直接提取n连续条目，但如果n索引是非连续的，则(似乎)很困难。在Keras中是否有一条干净的道路可以做到这一点？
到目前为止，我的方法如下。
实验1 (切片张量，连续指数，工作)：
print('My tensor shape is', K.int_shape(x)) #my tensor
(None, 1344, 2) # as printed in my code
print(&#
浏览 0提问于2018-06-02得票数 3
回答已采纳
假设我有一个形状为(m, n)的张量A，我想从每一行中随机采样k个元素(没有替换)，得到一个形状为(m, k)的张量B。如何在tensorflow中做到这一点？
下面是一个例子：
A：[1,2,3，4,5,6，7,8,9，10,11,12]
k：2
B：[1,3,5,6,9,8,12,10]
浏览 49提问于2019-07-29得票数 1
我有一个keras RNN模型，就像这个模型使用预先训练好的Word2Vec权重。 model = Sequential()
model.add(L.Embedding(input_dim=vocab_size, output_dim=embedding_size,
input_length=max_phrase_length,
weights=[pretrained_weights],trainable=False))
model.add((L.LSTM(units=rnn_units)))
model
浏览 15提问于2019-03-12得票数 1
在下面的代码中，我对一般的平方线性系统Ax=b实现了部分旋转的高斯消去，并对我的代码进行了测试，得到了正确的输出。我用它来求解Ax=b，其中A是一个随机的100x100矩阵，b是一个随机的100x1向量。
但是，现在我正在寻找一些帮助，将我的解决方案与使用numpy.linalg.solve获得的解决方案进行比较。如何将此比较添加到我的代码中？
import numpy as np
def GEPP(A, b, doPricing = True):
'''
Gaussian elimination with partial pivoting.
i
浏览 0提问于2018-10-17得票数 0
回答已采纳
1回答
我有两个张量a和b，它们的形状如下
>>K.int_shape(a)
(None, 5 , 2)
>>K.int_shape(b)
(None, 5)
我想得到的是一个张量c
>>K.int_shape(c)
(None, 2)
这样沿轴0选择b中最大元素的索引，并使用该索引沿轴1索引a。
示例-假设我有
a = np.array([[[2, 7],
[6, 5],
[9, 9],
[4, 2],
[5, 9]],
[[8, 1],
[8, 8],
[3, 9],
[9, 2],
[9,
浏览 71提问于2018-06-02得票数 1
1回答
在3d张量中，从一个值矩阵到同一事物的一个热门表示的最简单/最智能的方法是什么？例如，如果矩阵是张量中argmax之后的索引，如下所示：
indices=numpy.argmax(mytensor,axis=2)
其中张量是3Dx，y，z，索引自然是x，y，现在你想要得到一个3Dx，y，z张量，在axis=2中用1代替最大值，在其他地方用0代替。
我知道向量到1-热矩阵的答案，但这是对1-热张量的矩阵。
浏览 11提问于2017-01-07得票数 2
回答已采纳
我正在尝试实现自己的机器翻译引擎，我正在遵循中的步骤
SRC = Field(tokenize=tokenize_en,
init_token='<sos>',
eos_token='<eos>',
lower=True)
TRG = Field(tokenize=tokenize_de,
init_token='<sos>',
eos_token='<eos>'
浏览 12提问于2020-11-05得票数 0
我正在尝试使用tensorflow来解决KNN。在我得到N个向量的K个邻居之后，我就有了一个N乘以K的张量。现在，对于N中的每个向量，我需要使用来查找多数票。但是，我不能在张量中迭代，也不能用多维张量运行。它一直给我举InvalidArgumentError (see above for traceback): unique expects a 1D vector.的例子：
def knnVote():
'''
KNN using majority vote
'''
#nearest indices
A = tf.consta
浏览 2提问于2018-01-28得票数 3
我正在寻找最好的和优化的方法(没有循环)来使用TF2.0TF2.0TF2.0.在Google Colab中获得张量(等级2张量)的最大值的索引。
import tensorflow as tf
A = tf.constant([[0.2,0.8],[0.3,0.9],[0.4,0.7],[0.5,0.4]])
b = tf.math.argmax(A,0)
bb = b.numpy()
这里的最大值的指数是1,1，但问题是我必须给出轴作为输入，即使我改变轴，它也不会给我正确的轴。
浏览 0提问于2020-08-16得票数 2
1回答
我想检查两个张量是否具有相同的形状。
假设我有一些这样的张量：
a = tf.placeholder(tf.float32, shape=[None, 3])
b = tf.placeholder(tf.float32, shape=[None, 3])
我添加了assert a.shape == b.shape。然而，这失败了，可能是因为没有。实际上，a.shape = (?, 1)，b.shape也是(?, 1)。它们在我看来是一样的。
如果没有None，则可以正常工作。
a = tf.placeholder(tf.float32, shape=[1, 3])
b = tf.placeho
浏览 2提问于2017-03-01得票数 3
回答已采纳
我有一个秩为3的张量和另一个相同形状的空张量。我正在尝试找到所有X，Y位置在第三(Z)轴上的最大值，并将1插入到空张量中的相应位置。我通过以下方式在numpy中实现了这一点 a = np.random.rand(5,5,3)>=0.5
empty_tensor = np.zeros((5,5,3))
max_z_indices = a.argmax(axis=-1)
empty_tensor[np.arange(a.shape[0])[:,None],np.arange(a.shape[1]),max_z_indices] = 1 在tensorflow中，我有 a_tf = tf.V
浏览 20提问于2019-10-11得票数 0
回答已采纳
1回答
所有人。
我用自己的方法TreeMap实现编写了一个compare()。
其目的是按照顺序对映射的键进行排序:顶部应该有更少的时间和较少的位值的条目。所有条目都有唯一的时间。我想在有位的对象之间进行选择：false -选择时间更短的对象。
但是下面的Java代码限制了我添加一些新条目。
private TreeMap<Entry<K>,V> map = new TreeMap<Entry<K>,V>(new Comparator<Entry<K>>() {
@Override
public int compar
浏览 0提问于2012-04-15得票数 0
1回答
我有一个张量nextq，它是某个问题集上的概率分布。我对synthetic_answers中的每一个问题都有潜在的答案，它要么是0，要么是1。
为批处理中的每个向量寻找nextq中最大值的索引
如果该索引处的synthetic_answers为1，则将该索引处的cur_qinput的第三个特性设置为1，否则设置第二个特性。
下面是一些非功能代码，它在for -循环中是非功能性的，因为我不知道带有其他张量/赋值的适当的切片张量，我只是尝试用python语法编写它，以明确我的意图。
#nextq shape = batch_size x q_size
#nextq_index s
浏览 1提问于2019-05-17得票数 1
回答已采纳
我正在搜索类似于python "numpy.where()"命令的Keras命令。基本上，我的想法是从张量中提取指数。在python中，我可以简单地执行f_j=(np.where(X==j))，这为值j提供了特定的indices(f_j)。
例：
X= [0 1 1 0 0 2 3 ]
f_j=(np.where(X==1))
f_j= [1 2]
我是否有类似的功能可作此用途？
我试着在张量中写数组搜索。但是，当将"if K.equal():"行调用为
TypeError:不允许使用tf.Tensor作为Python。如果t不是None:而不是if t:
浏览 10提问于2017-04-21得票数 10
回答已采纳
假设我有一个形状为600，11的TensorFlow张量，最后(第11)列的所有元素都是零。我想像这样迭代张量的值:对于每一行，我检查该行的前10个元素的最大值是否大于值X。如果为True，则保持该行不变，如果为False，则将行的前10个元素设置为等于0，并使第11个元素等于1。如何做到这一点？我的张量的结构如下所示： import tensorflow as tf
a = tf.zeros([600, 1], dtype=tf.float32)
b = tf.random.uniform([600,10], minval=0, maxval=1, dtype=tf.float32)
c
浏览 35提问于2019-03-25得票数 0
这是的后续问题，它有5年的历史，只适用于2D张量。
我有一个秩D张量x，我希望在它的一个轴上计算argmax/argmin，然后用argmin/argmax分割张量。类似于：
x_min_indices = tf.mathm.argmin(x, axis=3) # choosing an arbitrary axis
x_min = x[x_min_indices]
我怎样才能做到这一点？
浏览 2提问于2022-05-10得票数 0
当HashMap搜索密钥时，它在以下两处使用key的哈希代码：
选择桶
查找桶中的条目()
公共V get(对象键){ if (key == null)返回getForNullKey()；int散列=散列(key.hashCode())；for (条目e=tableindexFor(散列，table.length)；e !=空；e= e.next) {对象k；如果(e.hash ==散列&(k= e.key) == key而非key.equals(K)返回e.value；}返回null；}
为什么HashMap要检查桶中的哈希码？为什么只检查桶中的引用和对象相等还不够呢
浏览 3提问于2017-11-12得票数 1
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
腾讯会议
实时音视频活动推荐
腾讯云开发者
