Numpy数组作为模型的输入
是指在机器学习和深度学习中，使用Numpy库中的数组作为模型的输入数据。Numpy是Python中用于科学计算的一个重要库，它提供了高性能的多维数组对象和用于处理这些数组的工具。
Numpy数组作为模型的输入具有以下优势：
- 高效的数值计算：Numpy数组在底层使用C语言实现，因此具有高效的数值计算能力，能够快速处理大规模数据集。
- 多维数据表示：Numpy数组可以表示多维数据，例如二维矩阵、三维张量等，适用于各种机器学习和深度学习模型的输入要求。
- 灵活的数据操作：Numpy提供了丰富的数组操作函数和方法，可以对数组进行切片、索引、变形等操作，方便进行数据预处理和特征工程。
- 丰富的数学函数库：Numpy提供了大量的数学函数，如线性代数运算、傅里叶变换、随机数生成等，可以方便地进行数学计算和统计分析。
应用场景： Numpy数组作为模型的输入广泛应用于机器学习和深度学习领域，包括但不限于以下场景：
- 图像处理：将图像数据转换为Numpy数组作为模型的输入，进行图像分类、目标检测、图像生成等任务。
- 自然语言处理：将文本数据转换为Numpy数组作为模型的输入，进行文本分类、情感分析、机器翻译等任务。
- 信号处理：将音频、语音、传感器数据等转换为Numpy数组作为模型的输入，进行声音识别、信号分析、时序预测等任务。
推荐的腾讯云相关产品： 腾讯云提供了一系列与云计算和人工智能相关的产品和服务，以下是一些推荐的产品和产品介绍链接地址：
- 云服务器（Elastic Cloud Server，ECS）：提供灵活可扩展的云服务器实例，可用于搭建机器学习和深度学习环境。详细介绍请参考：https://cloud.tencent.com/product/cvm
- 弹性伸缩（Auto Scaling）：根据负载情况自动调整云服务器实例数量，提供高可用性和弹性的计算资源。详细介绍请参考：https://cloud.tencent.com/product/as
- 人工智能引擎（AI Engine）：提供了丰富的人工智能算法和模型，可用于图像识别、语音识别、自然语言处理等任务。详细介绍请参考：https://cloud.tencent.com/product/aiengine
- 云数据库（TencentDB）：提供高性能、可扩展的云数据库服务，适用于存储和管理大规模数据集。详细介绍请参考：https://cloud.tencent.com/product/cdb
以上是关于Numpy数组作为模型的输入的完善且全面的答案。
相关·内容
1回答
目前，我正在努力理解如何使用keras来训练我的回归网络。我不知道该如何将输入数据传递到网络。
输入数据和输出数据都存储为numpy数组的列表。
每个输入numpy数组是一个矩阵，它有(400行，x列)，每个输出numpy数组是一个矩阵，它有(x行数，13列)。
输入维度为400，输出为13。但如何将列表中的每个集合传递给培训？
# Multilayer Perceptron
model = Sequential() # Feedforward
model.add(Dense(3, input_dim=400, output_dim=13))
model.add(Activation(&
浏览 0提问于2016-11-13得票数 9
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
1回答
为什么我不能训练我的模特
、、、、
我目前正在尝试建立一个线性回归网络，能够将输入数据映射到所需的输出数据。
我的输入和输出当前存储为存储为numpy.ndarray的矩阵列表。
回归网络的输入维数为400，回归网络的输出维数为13。
输入端的每个矩阵都有尺寸为400 x =>的打印input.shape输出。
输出侧的每个矩阵都具有尺寸为13 x =>的打印output.shape输出。
我目前定义的网络如下所示：
print "Training!"
model = Sequential()
model.add(Dense(output_dim=13, input_dim=400, init=
浏览 3提问于2016-11-13得票数 0
回答已采纳
我有一个经过训练的模型，我正在使用CNTK.load_model()函数加载它。我把CNTK git上的作为模型评估代码的参考。我创建了一个数据读取器(这是一个MinibatchSource对象)，并尝试运行model.eval(mb)，其中mb = minibatch_source.next_minibatch(...) (类似于)
但是，我收到以下错误消息
Traceback (most recent call last):
File "LID_test.py", line 162, in <module>
test_and_evalua
浏览 8提问于2017-03-07得票数 1
2回答
向LSTM网络Keras输入数据
、、、、
我有10个数组。它们每个代表一个数据点(输入)。阵列的形状为(16,3)，(34,3)等。由于LSTM需要3 3dim数据，所以我重新塑造了这10个数组中的每一个。例子:如果是(16,3)现在是(1,16,3)。我试着得到((1,16,3)，(1,34,3)等等)作为我的数组形状，换句话说，在一个numpy数组中有10个数组，每个数组都是形状(1，东西，3)。当我将所有10个数组作为一个输入数据时，我会得到以下错误：
检查模型输入时出错:要传递给模型的Numpy数组列表不是模型所期望的大小。预期会看到1个数组，但却得到了以下10个数组的列表。
但是，如果我给其中一个数组添加一个标签，它
浏览 0提问于2019-02-09得票数 1
回答已采纳
1回答
我正在试验w/conv层。我想输入两个192x192x3的图像，将它们连接起来，然后做一些其他的事情。模型摘要如下所示：
__________________________________________________________________________________________________
Layer (type) Output Shape Param # Connected to
=========================================
浏览 1提问于2019-04-11得票数 1
最近，我发现了一个概念实现的示例，它使用numpy.zeros以一次热编码的方式准备功能。
data = np.zeros((len(raw_data), n_input, vocab_size),dtype=np.uint8)
如上文所示，单个类型的类型为np.uint8。在检查模型之后，我意识到tensorflow模型的输入占位符被定义为tf.float32
x = tf.placeholder(tf.float32, [None, n_input, vocab_size], name="onehotin")
我的特别问题：如何处理输入类型的“不匹配”。这些值(0/1)是否
浏览 0提问于2018-03-15得票数 1
回答已采纳
1回答
我是TF的新手，遇到了一点问题。我正在尝试将具有形状(150x150x3)的彩色图像分为30类。当我对模型进行拟合时，我得到了错误： ValueError:检查模型输入时出错:传递给模型的Numpy数组列表不是模型预期的大小。期望看到1个数组，但得到了以下768个数组的列表：... 我的代码： model = Sequential()
model.add(Flatten(input_shape=(150,150,3)))
model.add(Dense(150, activation=tf.nn.relu))
model.add(Dense(150, activation=tf.n
浏览 15提问于2019-02-06得票数 0
回答已采纳
科学学习中的机器学习算法必须将熊猫数据转换成numpy数组吗？
我知道to_numpy()函数执行转换。这意味着我必须手动为熊猫数据栏创建一个虚拟矩阵。
如果我只是把熊猫数据作为科学知识的输入会发生什么呢？如果我把熊猫数据数组转换成numpy数组，这是否意味着我的列名不再保留在机器学习算法中？当涉及到模型诊断时，需要采取额外的步骤来协调列名和numpy数组？
浏览 2提问于2020-12-13得票数 2
回答已采纳
3回答
我已经使用spark上下文阅读了textFile，测试文件是csv文件。下面的testRdd是类似于我的rdd的格式。 testRdd = [[1.0,2.0,3.0,4.0,5.0,6.0,7.0],
[0.0,0.1,0.3,0.4,0.5,0.6,0.7],[1.1,1.2,1.3,1.4,1.5,1.6,1.7]] 我希望将上面的rdd转换为numpy数组，这样我就可以将numpy数组输入到我的机器学习模型中。 当我尝试执行以下操作时 feature_vector = numpy.array(testRDD).astype(numpy.float32) 它为我提供了以下TypeEr
浏览 25提问于2019-01-15得票数 2
回答已采纳
我试图使用python包装器将自己的数据输入到caffe模型中。我将HDF5中的数据读取为维度为100x9的numpy数组。但是对于模型的输入，我使用以下代码：
input_ = np.zeros((100,9,1,1), dtype=np.float32)
net.forward(**{net.inputs[0]:input_})
基本上，我需要从一个100x9数组中填写input_。
浏览 2提问于2015-07-16得票数 2
回答已采纳
1回答
晚上好!我试图用时间序列来预测血糖水平，但我的LSTM模型没有正常工作。每次我收到不同的警告。这次ValueError: Failed to convert a NumPy array to a Tensor (Unsupported numpy type: NPY_DATETIME).
我认为我没有对数据进行适当的预处理。你认为如何？
[![This is a sample of the dataset][1]][1]
我的模型就是这样的。
model.add(GlobalMaxPool1D())
model.add(Dropout(0.1))
model.add(Dense(50, act
浏览 24提问于2022-06-13得票数 0
1回答
我目前正在使用keras训练一个回归网络。
网络正在构建，但我不确定如何将输入和输出数据传递给模型。
输入和输出都存储为numpy数组的列表。输入列表中的numpy数组的形状为(400行，y列)。输出中的numpy数组的形状为(y行，13列)。
网络的输入维数为400，输出为13。
根据的说法。
fit(self, x, y, batch_size=32, nb_epoch=10, verbose=1, callbacks=[], validation_split=0.0, validation_data=None, shuffle=True, class_weight=None, sampl
浏览 2提问于2016-11-13得票数 2
回答已采纳
1回答
我有兴趣在我自己的图像集上训练和评估一个卷积神经网络模型。我希望使用tf.layers模块来定义我的模型，并使用一个tf.learn.Estimator对象分别使用fit()和evaluate()方法来训练和评估模型。
是我一直在学习的教程，它有助于展示tf.layers模块和tf.learn.Estimator类。但是，它使用的数据集(MNIST)只是简单地导入和加载(作为NumPy数组)。请参阅教程脚本中的以下主要函数：
def main(unused_argv):
# Load training and eval data
mnist = learn.datasets.load_
浏览 6提问于2017-07-07得票数 2
回答已采纳
这个问题涉及到多输入多输出Keras (Tensorflow)模型的最佳设置，给出了相应的numpy阵列。
例如，假设输入数组x1和x2以及输出数组y1和y2。可以按以下方式构建tf.data数据集：
train_data = tf.data.Dataset.zip(
(
tf.data.Dataset.from_tensor_slices(
(
x1,
x2,
)
),
tf.data.Dataset.from_tensor_
浏览 9提问于2022-04-28得票数 0
1回答
我很难找到将多个输入传递给模型的正确方法。该模型有2个输入。
形状(256, 256, 3)的噪声图像
形状(256, 256, 3)输入图像
和1项产出
形状(256, 256, 3)输出图像
我正在通过ImageDataGenerator制作图像
x_data_gen = ImageDataGenerator(
horizontal_flip=True,
validation_split=0.2)
我正在通过python生成器生产这些样本：
def image_sampler(datagen, batch_size, subset="tr
浏览 0提问于2018-06-29得票数 4
回答已采纳
我从尺寸为182 x 199x3和22帧的.mat文件中获得了3d模型。我总共有100个这样的数据样本。加载到python后，我获得了一个包含100个数组的列表Numpy array，numpy array...我转换成数组的维数是100,22,182,199,3。从技术上讲，这看起来像是conv3d所需要的5D输入，但是，我想知道，我是否可以将数组列表提供给输入，而不是像20/32或任何我想要的那样。
浏览 18提问于2019-09-25得票数 0
我的数据集的格式如下：
训练数据
一个大小为numpy的数组(7855,448,448，3)，其中(448,448，3)是RGB图像的numpy版本。因为网络的目的是回归，我还没有找到使用ImageDataGenerator的解决方案。因此，我已经将整个图像数据集转换为一个numpy数组。
训练目标
训练目标是一个尺寸为7855的一维numpy阵列.这些条目对应于培训数据的条目。
要获得numpy数组，我必须将整个数据集加载到一个变量中，然后传递给它以进行拟合和预测。仅这一项就占用了5-6个内存。
当拟合模型时，RAM迅速溢出，运行时崩溃。如何将numpy数组元素分批输入，或者是否有另一种方式
浏览 0提问于2019-03-19得票数 0
回答已采纳
我试图建立一个具有多个输入和输出的训练模型。
这个模型在单一输入和输出的情况下工作得很好，但我得到了一个错误消息。
条带：“numpy.ndarray”对象没有属性“”AttributeError“”
我猜问题在于fit_generator不能处理numpy数组。
我的fit生成器看起来像这样：
def train_model(model, X_train, X_valid, y_train, y_valid):
"""
Train the model
"""
checkpoint = ModelCheckpoi
浏览 18提问于2019-11-29得票数 0
例如：
encoders = {SDRCategoryEncoder, ScalarEncoder}
do_magic_and_answer_me_type(encoders[0]) // I want string
do_magic_and_answer_me_type(encoders[1]) // int (or python equivalents)
更长:我问的原因是，python的list行为正确，并为各种元素保留数据类型，而numpy数组则转换为公共类型。
>>>a=[1, 'sweet', 2]
>>>t
浏览 0提问于2013-11-12得票数 2
回答已采纳
我有一个tensorflow LSTM模型，其中预测函数的输入是100行5列。当numpy数组为1,100，5时的形状。 我正在努力解决如何正确格式化JSON请求以将其发送到tensorflow服务端点的问题。当前托管在google云上，但很可能最终成为tensorflow服务的docker图像。 任何关于如何正确格式化数据以发送到TF的帮助都将非常有用，因为我正在努力在他们的文档中找到正确的格式。 谢谢!
浏览 18提问于2021-04-11得票数 2
很抱歉，因为我对使用Keras和处理一般的LSTM预测都很陌生。我正在编写的代码接受一个CSV文件，该文件的列是浮点或int值，这些值在某种程度上是相关的，使用Keras模型对这些列进行训练，并尝试将其中一列预测为输出。我正在遵循这一指南：
在该示例中，相关的预测列是空气污染量，所有其他值都用于预测该值。为我的CSV修改示例代码似乎很简单--我适当地更改了培训数据的大小和列数。
我的问题是，我不明白为什么示例代码输出“污染”列的预测值，而不是其他列。我只需制作我想要预测的格式化输入CSV中的第二列，但我想尽可能地了解示例中实际发生的事情。查看 for Model.predict()，它表示，
浏览 6提问于2022-07-07得票数 0
1回答
我正在寻找一种方式来存储嵌入产生的语言模型，如(T5)，在谷歌的BigQuery。
嵌入以Numpy阵列或张量的形式进行。
我找到了三种方法：
storageconvert TFRecord，将其写入TFRecord文件并存储到云TFRecord numpy数组以字符串形式存储，并将其存储为表存储中的字符串列，并以模式重复的方式存储到列中。(不确定是否可以保留嵌入向量条目的顺序)
希望任何人都能提出一些建议或其他方法。
非常感谢
浏览 1提问于2021-06-03得票数 6
1回答
n,m = map(int,input().split())
A = []
for _ in range(n):
A.append(map(int,input().split()))
A = numpy.array(A)
print (numpy.mean(A,axis = 1))
print (numpy.var(A,axis = 0))
print (round(numpy.std(A),11))
有人能告诉我我做错了什么吗？我搞错了：numpy.AxisError: axis 1 is out of bounds for array of dimension 1
另外，我希望用
浏览 17提问于2022-01-29得票数 0
回答已采纳
1回答
我目前正在做一个项目，试图创建一个能够对视频中的动作进行分类的机器学习模型。我已经创建了一个脚本，它能够检测视频中的人，并根据身体部位的运动生成数据。这将生成一个具有以下输入形状的4D数组：
(n帧，n人，n身体部位，每个身体部位3个坐标)
仅1个视频(2人)，时长3秒，以60fps/s拍摄的输入形状将如下所示：(180，2，25，3)
每个视频的4D数组被保存为numpy文件，所以如果我处理400个视频，我将得到400个numpy文件。
下一步是创建一个keras或tensorflow RNN-LSTM模型，它能够在400个numpy文件上进行训练，并且能够处理每个视频的4D数组，但我真的不
浏览 1提问于2019-05-07得票数 0
修正:见下面更新的代码。
这是我第一次尝试Cython，而且构建正常，但它不允许numpy数组(向量)作为输入，这是我在这里的真正目的。这是布莱克模型(Black的欧洲期权定价没有红利)。它将只接受长度1数组作为输入(如果我试图用长度2数组计算它的错误：TypeError: CyBlack() takes exactly 7 positional arguments (14 given)，如果我传递长度10数组，(70 given)等等)。我不知道为什么我已经在Cython代码中定义了numpy数组。作为参考，您可以用下面的代码编译它，然后使用它：from CyBlack.CyBlack im
浏览 0提问于2016-05-11得票数 1
回答已采纳
1回答
Keras输入维层
、、、
问题
我正在使用Model创建一个接受两个输入和一个输出的Keras网络。在训练网络时，我会得到以下错误：
检查模型输入时出现错误:要传递给模型的Numpy数组列表不是模型所期望的大小。预期将看到2个数组，但却得到了以下1个数组的列表：
尽管存在此错误，输入X数组的形状为(2,8)，输出y数组的形状为(1,4)。
Things已经尝试过
有许多类似的问题，然而，他们的解决方案主要围绕确保X和y是Numpy数组。正如我在执行中所看到的那样，我已经这样做了。因此，我不认为这是一个重复的问题。
Implementation
我已将该模式定义如下：
opt = Adam(lr = alpha
浏览 1提问于2020-05-27得票数 0
回答已采纳
1回答
我训练了一个神经网络来生成输入数据的嵌入。训练做起来很容易。
现在，我希望从模型中生成数据集的嵌入。目前，我实现的方法是有一个dataset的dataloader，它被传递给model来生成embeddings.Once，model生成嵌入，它存储在一个numpy数组中。
model.eval()
FX = np.zeros((1,300)) # embedding size is 300
print('\nGenerating Embeddings..')
with torch.no_grad():
for bi, data in tqd
浏览 3提问于2022-01-16得票数 0
我一直在尝试测试fcn实现。我唯一改变的是设置输入图像的方式，以便对模型进行测试。我的修改在下图中用红色曲线标记。
但是，运行该程序会导致以下错误消息TypeError: The value of a feed cannot be a tf.Tensor object. Acceptable feed values include Python scalars, strings, lists, or numpy ndarrays.，在down, up = sess.run(tensors, feed_dict=feed_dict)发生。我很想知道我的实现中出了什么问题，以及如何修改它
浏览 1提问于2016-07-21得票数 1
正如在中所解释的，Keras的fit函数x可以是
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。
但在sklearn.model_selection.GridSearchCV fit看来这是不可能的。这是真的吗？有什么解决办法吗？
谢谢!
浏览 2提问于2018-10-10得票数 1
2回答
我是在用放火枪进行图像分类，在这里，我使用了这个变换。
transforms.Normalize([0.485, 0.456, 0.406], [0.229, 0.224, 0.225])
完成了训练。之后，我将.pth模型文件转换为.onnx文件。
现在，在推论中，我应该如何在numpy数组中应用这个转换，因为onnx处理numpy数组中的输入。
浏览 13提问于2022-03-15得票数 0
回答已采纳
1回答
我有一个TensorFlow模型，在这个模型中，我想传递一个图像给它，以便它确定图像中的对象。
然而，该模型抱怨图像的形状，说无论它接收(1, 7, 7, 2048)如何，它都希望它以(1, 1, 1, 2048)的形式出现。
我已经尝试通过numpy.reshape(myObj, (1, 1, 1, 2048))或numpy.reshape(myObj, (1, 1, 1, -1))在图像上执行numpy.reshape()。然而，前者只是抱怨它不能将大小为100352的数组重塑为(1, 1, 1, 2048)，而后者将数组的最后一个元素的大小调整为(7, 7, 2048)的倍数，即1003
浏览 1提问于2018-07-08得票数 0
我试图使用Tensorflow的Dataset API在Keras中构建模型。我成功地训练了克拉斯的模特。而是对测试数据进行预测。它需要在numpy数组中。
X需要是numpy数组。所以我做了这样的事
x = input_fn('test.tfrecords')
model = models.load_model("model/model-40-0.35.hdf5")
with tf.Session()) as sess:
x_out = np.asarray(sess.run(x))
pred = model.predict(x_o
浏览 2提问于2018-12-23得票数 2
我做了一些调查，PulseAudio的大多数python接口似乎都是处理声音服务器控制，而不是音频数据。我想通过PulseAudio将数据从numpy数组输出到扬声器，并以同样的方式将麦克风输入的声音输入numpy数组。对于如何处理这个问题，有什么建议吗？
浏览 3提问于2012-12-07得票数 5
3回答
我正在制作一个MLP模型，它需要两个输入并产生一个输出。
我有两个输入数组(每个输入一个)和一个输出数组。该神经网络有1个隐层，2个神经元。每个数组有336个元素。
model0 = keras.Sequential([
keras.layers.Dense(2, input_dim=2, activation=keras.activations.sigmoid, use_bias=True),
keras.layers.Dense(1, activation=keras.activations.relu, use_bias=True),
])
# Compile the neural ne
浏览 0提问于2019-03-19得票数 27
回答已采纳
1回答
我正在使用模型来可视化图像。因此，基本上我将一个图像传递给这个模型，它将绘制一条穿过对象的边界线，并显示可视化的图像。
from keras.preprocessing.image import load_img
from keras.preprocessing.image import save_img
from keras.preprocessing.image import img_to_array
from detecto import core, utils, visualize
image = utils.read_image('retina_model/4.jpg
浏览 0提问于2020-12-13得票数 1
我正在努力使我的投入符合我所准备的卡拉斯模型。我的网络的输入层是：
path_source_token_input = Input(shape=(MAX_CONTEXTS,), dtype=tf.int32)
path_input = Input(shape=(MAX_CONTEXTS,), dtype=tf.int32)
path_target_token_input = Input(shape=(MAX_CONTEXTS,), dtype=tf.int32)
我以这样的方式指定输入：
inputs = (path_source_token_input, path_input, path_t
浏览 0提问于2020-03-16得票数 0
回答已采纳
我正在使用scipy.optimize.minimize运行优化
sig_init = 2
b_init = np.array([0.2,0.01,0.5,-0.02])
params_init = np.array([b_init, sig_init])
mle_args = (y,x)
results = opt.minimize(crit, params_init, args=(mle_args))
问题是，我需要为sig_init设置一个界限。但是opt.minimize()要求我为每个输入参数指定边界。但是我的一个输入是一个numpy数组。
如果我的一个输入是numpy数组，我如何指
浏览 0提问于2018-05-10得票数 3
1回答
我正在创建一个使用Keras的functional的模型，这个模型需要2个输入，因此Im使用
video_input = Input(shape=(16, 112, 112, 3))
image_input = Input(shape=(112, 112, 3))
Model(inputs=[video_input, image_input], outputs=merge_model)
所以正如你所看到的，这意味着模型需要一个数组，第一个元素是形状(16,112,112，3)，第二元素是形状(112,112，3)。
我正在使用我创建的一个类，它继承了Keras.util.sequence类，以
浏览 0提问于2019-06-27得票数 0
回答已采纳
数据准备，并构建模型： dataset = datasets.load_iris()
data = dataset.data
target = dataset.target
data_tensor=torch.from_numpy(data).float()
target_tensor=torch.from_numpy(target).long()
model = nn.Sequential(
bnn.BayesLinear(prior_mu=0, prior_sigma=0.1, in_features=4, out_features=100),
nn.ReLU(),
浏览 1677提问于2021-11-14得票数 1
我使用的是一个三层的简单模型：
model = tf.keras.Sequential([
tf.keras.layers.Flatten(input_shape=(6,), name="flatten"),
tf.keras.layers.Dense(128, activation="relu", name="dense1"),
tf.keras.layers.Dense(1, name="dense2")
])
model.compile(
optimizer=tf.keras.optimiz
浏览 59提问于2022-03-31得票数 0
回答已采纳
1回答
我想建立一个基本的Keras模型：
from keras.models import Sequential
from keras.layers import Dense, Activation
model = Sequential()
model.add(Dense(100, input_dim=9, kernel_initializer='uniform', activation='tanh'))
model.add(Dense(2, kernel_initializer='uniform', activation='softmax&
浏览 3提问于2018-05-13得票数 1
回答已采纳
1回答
我想在UCF11数据集中的一小部分视频上测试一个递归模型。有没有推荐的视频文件格式？将视频中的帧转换为numpy数组，然后以CTF格式存储是否足够？
浏览 10提问于2017-08-31得票数 0
回答已采纳
1回答
我得到了一个张量，它由keras作为data参数提供给我的自定义模型的train_step。通过self(data, training=True)调用似乎可以很好地处理它。为了评估结果，我想看看数据。
当我把它打印出来的时候，我得到：
Tensor("IteratorGetNext:0", shape=(120, 1080), dtype=float32)
但我似乎无法获取数据本身。data.numpy()引发异常AttributeError: 'Tensor' object has no attribute 'numpy'。
在这一点上，我也没
浏览 0提问于2021-02-07得票数 0
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
首先，我的hmmlearn版本是0.3.0b (使用conda安装)。
我正在尝试在hmmlearn中实现一个GMMHMM模型，但是我得到了：
ValueError: n_samples=3 should be >= n_clusters=5
更具体地说，我有一个由4个状态和5个混合高斯(集群)组成的模型，正如中提到的，我的输入X变量具有shape(20,3)，即(n_samples, n_features)。
下面是创建错误的代码：
import numpy as np
from hmmlearn import hmm
size = 30
data = np.concatenate(
浏览 4提问于2017-11-08得票数 1
我尝试向keras模型张量提供numpy数组的值。但是张量是4D的，阵列是3D的。如何将这个3Dnumpy数组(128,128，3)转换为4D (?，128,128，3)张量？
浏览 13提问于2020-07-26得票数 0
1回答
我确信/希望这是一个非常简单的问题，但我没有找到任何答案。
我用Keras建立了一个序贯模型，有366个输入神经元和一个输出神经元。它似乎训练和评估得很好，但是每当我试图预测一个例子时，我都会得到一个非常规的形状(366, 1)数组，尽管model.output_shape是(None, 1)。
我知道存在一个非常类似的问题，但不幸的是，所提出的任何解决方案都解决不了我的问题。
根据我所读到的，这是因为Keras将每个输入作为一个单独的例子来进行预测，然而，到目前为止，这并没有帮助我。我尝试将输入作为大小为(366, 1)、(1, 366)、(366,)和包含每一个变体的列表的numpy数组传
浏览 0提问于2020-08-27得票数 1
我正在使用一个深度学习模型，它试图将一个尺寸(1,2)的标签与(25,25)的numpy数组连接起来。我不太确定是否有可能得到(627,0)的维度，然而，模型摘要说这是它所期望的输入形状。
我试图将它们连接起来，但是我得到了一个错误，即“除了连接轴之外的所有输入数组尺寸都必须与预期完全匹配”。
x = np.concatenate((X[1], to_categorical(Y_train[1]))
其中X= (25,25)，Y_train为( 1,0)，使得to_categorical(Y_train1)等于(2,1)。
有办法得到这个(627，0)维与这些维度吗？
浏览 0提问于2019-04-21得票数 0
1回答
我正在寻找类似于list.index(value)的东西，它适用于numpy数组。我认为numpy.where可能会做到这一点，但我不明白它到底是如何工作的。有谁能解释一下
( a)这意味着什么
( b)它是否像list.index(value)那样工作，但与numpy数组一起工作。
这是文档中的文章：
numpy.where(条件，x，y)
根据条件，从x或y返回元素。
如果只给出条件，return condition.nonzero()。
参数：条件: array_like，bool
若为真，则为x，否则为y。
x，y: array_like，可选
可从中选择的值。X和y需要与条件相同的
浏览 1提问于2017-06-01得票数 3
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
实时音视频
即时通信 IM
对象存储活动推荐
腾讯云开发者
