TensorFlow :自定义循环性能层[TensorArray，map_fn]
TensorFlow是一个开源的机器学习框架，被广泛应用于深度学习任务。自定义循环性能层是指在使用TensorFlow构建神经网络模型时，可以自定义一个性能层来实现特定的功能。
TensorArray是TensorFlow提供的一种数据结构，类似于动态数组，可以在循环过程中动态地增加或减少元素。在自定义循环性能层中，我们可以使用TensorArray来存储和处理中间结果，方便在循环中跨时间步共享数据。
map_fn是TensorFlow的一个函数，用于将函数应用于给定的输入张量。在自定义循环性能层中，我们可以使用map_fn来对TensorArray中的元素进行映射操作，从而实现对循环过程中的中间结果进行处理和转换。
自定义循环性能层在神经网络模型中的应用场景包括但不限于：序列建模（如自然语言处理、语音识别）、时间序列预测、图像处理等。
推荐的腾讯云相关产品：
- TensorFlow on Cloud：腾讯云提供的云端深度学习平台，可以快速部署和运行基于TensorFlow的机器学习模型。链接地址：https://cloud.tencent.com/product/tfoc
- GPU云服务器：腾讯云提供的配备强大GPU性能的云服务器，适用于加速深度学习训练和推理任务。链接地址：https://cloud.tencent.com/product/cvm/gpu
- 云数据库CynosDB for PostgreSQL：腾讯云提供的高性能、高可用的关系型数据库服务，适用于存储和管理神经网络模型的训练数据和结果。链接地址：https://cloud.tencent.com/product/cynosdb
请注意，以上推荐的腾讯云产品仅供参考，具体选择需根据实际需求进行评估和决策。
相关·内容
我正在处理map_fn函数，并注意到它输出了一个TensorArray，这意味着它能够输出“锯齿”张量(其中内部的张量有不同的一维)。
我试着用下面的代码看到这一点：
import tensorflow as tf
import numpy as np
NUM_ARRAYS = 1000
MAX_LENGTH = 1000
lengths = tf.placeholder(tf.int32)
tArray = tf.map_fn(lambda x: tf.random_normal((x,), 0, 1),
lengths,
浏览 3提问于2017-04-07得票数 5
回答已采纳
当我使用一个层(tf.keras.layers.Layer)的输出作为另一个层中的循环迭代器时，我得到一个InaccessibleTensorError， InaccessibleTensorError: The tensor 'Tensor("looper/while/sub:0", shape=(None, 1), dtype=float32)'
cannot be accessed here: it is defined in another function or code block. Use return values,
explicit Py
浏览 401提问于2021-11-23得票数 1
回答已采纳
当我试图让TensorFlow的map_fn在我的GPU上运行时，我遇到了一个奇怪的问题。下面是一个最小的破碎示例：
import numpy as np
import tensorflow as tf
with tf.Session() as sess:
with tf.device("/gpu:0"):
def test_func(i):
return i
test_range = tf.constant(np.arange(5))
test = sess.run(tf.map_fn(test
浏览 0提问于2018-06-13得票数 2
回答已采纳
(tensorflow版本：“0.12.head”)
TensorArray.close的文档表明它关闭了当前的TensorArray。它对TensorArray的状态意味着什么？我尝试下面的代码
import tensorflow as tf
sess = tf.InteractiveSession()
a1 = tf.TensorArray(tf.int32, 2)
a1.close().run()
a2 = a1.write(0, 0)
a2.close().run()
print(a2.read(0).eval())
也没有任何错误。close的用法是什么？
。我不知道的评论是什么意思
浏览 2提问于2016-12-13得票数 2
回答已采纳
当我尝试在tensorflow中训练序列到序列模型时，我得到了这个奇怪的错误。序列到序列模型是一个视频字幕系统。我已经按照SequenceExampleProto的序列特征对视频的帧进行了编码。在预取包含jpeg编码字符串列表的特性后，我使用以下函数对其进行解码：
video = tf.map_fn(lambda x: tf.image.decode_jpeg(x, channels=3), encoded_video, dtype=tf.uint8)
模型可以编译，但在训练期间，我得到以下错误，这是由此代码引起的。错误说明TensorArray为零，而这里的TensorArray不应该为零。
浏览 2提问于2017-05-01得票数 0
当我使用CPU作为设备时，下面的代码可以很好地工作，但是当使用GPU时它会失败。这是我正在犯的错误：
InvalidArgumentError (回溯参见上文)：无法为操作‘Adam/update/Cast_5’分配设备:无法满足显式设备规范/设备: GPU :0‘，因为没有支持的GPU设备内核可用。
基于此，我假设嵌套的map_fn调用不存在GPU梯度，是这样吗？如果是这样的话，我是否可以实现相同的代码，这样它就可以在GPU上工作，同时保留这两个嵌套函数？
谢谢。
import numpy as np
import tensorflow as tf
def loop_inner(
浏览 1提问于2017-09-15得票数 1
是否有办法在map_fn循环中创建变量，如下面的代码所示？如何在循环中保留变量的同时解决此错误？信息日志也没有真正帮助我，所以我是不是从根本上搞错了tensorflow的概念？tensorflow 1.14.0，python 3.6.8
import tensorflow as tf
### function called in map_fn
def opt_variable(theta):
init_theta = lambda: theta
var_theta = tf.get_variable(dtype=tf.float32, initializer=tf.Vari
浏览 1提问于2019-08-20得票数 0
我试着建立一个有两个损失函数的神经网络，它们像加权和一样组合在一起。第一种方法只计算密集层和给定标签线性输出的，而另一种方法则大量使用嵌套。tf.layers.batch_normalization()中使用了批处理规范层，因此我不得不将这些行添加到优化目标中：
with tf.name_scope("Optimizer"):
with tf.control_dependencies(tf.get_collection(tf.GraphKeys.UPDATE_OPS)):
adam = tf.train.AdamOptimizer
浏览 0提问于2018-11-27得票数 1
回答已采纳
从单个切片创建的数据集的tf.data.Dataset.map()看起来类似于dataset.map(lambda x: x/2)。如果数据集是从两个切片创建的，它会是什么样子？例如，请参见以下代码。代码最后一行中的map()函数将用于从单个切片创建的数据集，但会对我的两片情况造成错误。
import tensorflow as tf, numpy as np # tensorflow 2.0
from tensorflow import keras as kr
dataset = tf.data.Dataset.from_tensor_slices((features_int8,
浏览 7提问于2019-10-08得票数 1
回答已采纳
我在使用Tensorflow的Dataset API中阅读各种图像(数据和标签)。由于数据集队列位于CPU上，所以复制周围的数据非常昂贵。然而，我似乎无法找到避免这种情况的方法。
问题：我能以统一的顺序(例如h，w，c)有效地加载各种图像吗？
假设我想要在单通道图像中阅读，我可以这样做：
image = tf.image.decode_png(tf.read_file(file_name), channels=1) # h,w,c
或用于多通道RGB：
image = tf.image.decode_png(tf.read_file(file_name), channels=3) # h,
浏览 0提问于2018-02-23得票数 3
1回答
我在机器学习编码方面是新的，在Tensorflow编码方面完全是新的。
我正面临着使用Tensorflow索引的问题。在使用numpy的简单python中，这是相当容易的，但是在Tensorflow库中，我不知道如何制作它。
我不想在示例的每个类中应用softmax函数，而只在每一行的两个随机类中应用，并在特定索引(以前的随机类)的大矩阵(最初为零)中返回这些值。numpy中的算法更简单，因为可以使用简单的索引，但是在tensorflow中，我认为它是这样的：
给出了矩阵X:(NxD)、矩阵W:(KxD)和两个随机数在0到K-1之间的阵列rem_cl
S is an empty matrix
浏览 0提问于2016-11-01得票数 0
我有一个Tensorflow DatasetV1Adapter对象形式的数据集。
<DatasetV1Adapter shapes: OrderedDict([(labels, (6,)), (snippets, ())]), types: OrderedDict([(labels, tf.int32), (snippets, tf.string)])>
# Example Output
OrderedDict([('labels', <tf.Tensor: id=37, shape=(6,), dtype=int32, numpy=array([0, 0,
浏览 0提问于2019-04-27得票数 0
我正在尝试在keras/tensorflow中构建依赖于标签的卷积过滤器。因此，卷积滤波器取决于批次中的每个示例。 # function used for tf.map_fn
def single_conv(tupl):
x, kernel = tupl
return tf.nn.conv2d(x, kernel, strides=(1, 1, 1, 1), padding='SAME')
# first dimension is None (batch size)
input_img = tf.keras.layers.Input(shape=(28,28
浏览 197提问于2020-09-15得票数 2
这个密码怎么了？编辑:它在CPU上工作，但在GPU上运行时会失败。它运行几次迭代，然后出现一个错误()失败：
2019-12-02 12:59:29.727966: F tensorflow/core/framework/tensor_shape.cc:445] Check failed: end <= dims() (1 vs. 0)
Process finished with exit code -1073740791 (0xC0000409)
或
tensorflow.python.framework.errors_impl.InvalidArgumentError: Trie
浏览 4提问于2019-12-02得票数 2
回答已采纳
我正在使用Keras和Tensorflow后端函数在Keras中编写一个自定义丢失函数。我要最小化f(y_true)和f(y_pred)之间的均方误差，其中f(y)是一个非线性函数。
f(y) = f1(y) f2(y) .f12(y)和fk(y) = Xi_k*Theta_k(y)，k= 1,2，...,12，Xi_k和Theta_k(y)是1阶张量。
由于y_true和y_pred的大小(batchSize X 15)，我需要为训练批中的所有样本计算循环上f(y)的值(我认为避免循环是不可能的)。循环操作的输出将是大小的张量(batchSize X 12)
[[f(y_true[1,:])
浏览 3提问于2020-08-07得票数 0
回答已采纳
import tensorflow as tf
B = 3
D = 4
T = 5
tf.reset_default_graph()
xs = tf.placeholder(shape=[T, B, D], dtype=tf.float32)
with tf.variable_scope("RNN"):
GRUcell = tf.contrib.rnn.GRUCell(num_units = D)
cell = tf.contrib.rnn.MultiRNNCell([GRUcell])
output_ta = tf.TensorArray(
浏览 2提问于2017-04-30得票数 13
1回答
所以我试图在TensorFlow中填充一个矩阵，这个矩阵的大小取决于输入的大小，所以我使用TensorArray来完成它。从本质上说，Numpy的等价物是：
areas = np.zeros((len(rows)-1,len(cols)-1))
for r in range(len(rows)-1):
for c in range(len(cols)-1):
areas[r,c] = (rows[r+1]-rows[r])*(cols[c+1]-cols[c])
我试图在TensorFlow中使用tf.while_loop和tf.TensorArray实现这一点。
i
浏览 2提问于2017-06-27得票数 2
回答已采纳
我正在尝试创建一个张量列表，并在tensorflow2中使用for循环将它们堆叠在一起。我创建了一个测试示例，并尝试如下所示。
import tensorflow as tf
@tf.function
def test(x):
tensor_list = []
for i in tf.range(x):
tensor_list.append(tf.ones(4)*tf.cast(i, tf.float32))
return tf.stack(tensor_list)
result = test(5)
print(result)
但是我得到了如下的错
浏览 40提问于2019-11-12得票数 4
阅读TensorArray:
def __init__(self, size):
self.obs_buf = tf.TensorArray(tf.float32, size=size, clear_after_read=False)
self.obs2_buf = tf.TensorArray(tf.float32, size=size, clear_after_read=False)
self.act_buf = tf.TensorArray(tf.float32, size=size, clear_after_read=False)
self.rew_bu
浏览 3提问于2021-02-17得票数 2
回答已采纳
根据我对tensorflow中的map函数的理解，我预计my_map将被调用60,000次，但它只被调用过一次。
输出
使用TensorFlow后端。(60000，28，28)张量(“map/while/TensorArrayReadV3 3:0”，shape=(28，28)，dtype=uint8)
进程已完成，退出代码为0
代码：
import tensorflow as tf
from keras.datasets import mnist
(train_images, train_labels), (test_images, test_labels) = mnist.load
浏览 0提问于2018-09-19得票数 0
我对tf.keras.Model进行了子类化，并在for循环中使用tf.keras.layers.GRUCell计算序列'y_t‘(n，timesteps，hidden_units)和最终隐藏状态'h_t’(n，hidden_units)。为了让我的循环输出'y_t'，我在循环的每一次迭代之后更新一个tf.Variable。用model(input)调用模型不是问题，但是当我用调用方法中的for循环对模型进行拟合时，就会得到一个TypeError或ValueError.。
请注意，我不能简单地使用tf.keras.layers.GRU，因为我正在尝试实现这个。本
浏览 1提问于2021-08-05得票数 0
回答已采纳
假设我有张量，形状的，[x, y, z]。
为了解释一下，让我们假设A是[2,4,3]形状的
[[[1,2,3],[2,2,3],[4,4,4],[1,1,1]], [[2,2,2],[2,2,2],[2,2,2],[3,3,3]]]
我想“掩盖”这个张量，
如果索引1中的元素在内部最大维数等于2，则周围的张量不应改变，否则它们都将更改为0。
在这个例子中，张量应该变成
[[[1,2,3],[2,2,3],[0,0,0],[0,0,0]], [[2,2,2],[2,2,2],[2,2,2],[0,0,0]]]
在tensorflow中有什么正确的方法来执行这个操作？我尝试过几种方法，但
浏览 0提问于2018-05-03得票数 1
回答已采纳
我有一个弦的张量。一些示例字符串如下所示。 com.abc.display,com.abc.backend,com.xyz.forte,blah
com.pqr,npr.goog 我想做一些预处理，将CSV拆分成部分，然后在点上拆分每个部分，然后创建多个字符串，其中一个字符串是另一个字符串的前缀。此外，所有的blah都必须删除。 例如，给定第一个字符串com.abc.display,com.abc.backend,com.xyz.forte，它将被转换为以下字符串的数组/列表。 ['com', 'com.abc', 'com.abc.display&#
浏览 28提问于2020-03-31得票数 1
回答已采纳
import tensorflow as tf
array = tf.Variable(tf.random_normal([10]))
i = tf.constant(0)
l = []
def cond(i,l):
return i < 10
def body(i,l):
temp = tf.gather(array,i)
l.append(temp)
return i+1,l
index,list_vals = tf.while_loop(cond, body, [i,l])
我想以类似于上面代码描述的方式处理张量数组。在while循环的主体中，我希望
浏览 4提问于2016-12-20得票数 11
回答已采纳
1回答
在使用Tensorflow (1.13.1)内置tflite_convert工具从保存的.pb Tensorflow模型转换到.tflite Tensorflow Lite模型时，我遇到了一个问题，我想知道如何解决这个问题。执行时： tflite_convert --output_file done --graph_def_file reshaped_t.pb --input_arrays the_input --output_arrays ctc/ExpandDims --allow_custom_ops 我遇到了一个错误： F tensorflow/lite/toco/graph_tra
浏览 44提问于2019-06-20得票数 0
我试图使用另一个TensorArray使用以下代码在TensorArray中左移值：
import tensorflow as tf
an_array = tf.TensorArray(dtype=tf.float32, size=2, dynamic_size=False, clear_after_read=False, element_shape=(1, 2), name="First")
old_array = tf.TensorArray(dtype=tf.float32, size=2, dynamic_size=False, clear_after_read=Fa
浏览 1提问于2020-02-18得票数 1
1回答
我在Tensorflow (使用Keras)中创建了一个模型。
在伪代码中，没有过多地编写特定于数据的操作操作，大致是：
iter_count = tf.keras.layers.Dense(1)(input)
#scale iter_count between 1 and int_max
for i in tf.range(iter_count):
inputvariation = tf.concat([input, i])
box = tf.keras.layers.Dense(4)(inputvariation)
#append to Tens
浏览 10提问于2022-09-12得票数 1
回答已采纳
我在tensorflow中有一个二维张量，
例如，一个2*4张量[1.,2.,3.,4.,2.,4.,5.,6.]。
我有一个函数a()，让张量中的每一行都通过，然后对a()的所有结果求和。怎么做(不是在会话中做)？
输出应该是a(1.,2.,3.,4.) + a(2.,4.,5.,6.)，实际上我有一个非常大的张量，有很多行。
这不同于reduce_sum，因为这里的a()函数相当复杂，不能通过矢量化直接使用。
非常感谢！
浏览 3提问于2018-06-25得票数 2
我正在开发一个简单的Tensorflow (1.13.1版)模型，它使用了一个map_fn。在map_fn中，我尝试将密集和稀疏张量相乘，但我遇到了一些问题。
下面是我的代码的一个片段：
<code>A0</code>
然而，上面的代码在图形编译过程中抛出了以下错误：
<code>A1</code>
有谁能帮忙吗。
谢谢
浏览 67提问于2020-08-01得票数 0
回答已采纳
有人知道如何使用map_fn或其他tensorflow-func对两个输入张量的每个组合进行计算吗？
所以我想要的是这样的:有两个数组([1,2]和[4,5])，我想得到一个矩阵，其中包含这两个数组的每个可能组合的计算输出(例如add)。因此，结果将是：
[[5,6],
[6,7]]
我使用了map_fn，但它只按索引方式获取元素：
[[5]
[7]]
有谁知道如何实现这一点吗？
谢谢
浏览 5提问于2017-12-13得票数 1
1回答
我实现了一个自定义RETURNN层()，它在培训期间按预期工作，但在搜索模式中使用时抛出一个断言错误。该层的输出与softmax层的输出相同。
下面是所使用的配置：
使用RETURNN的最新版本对此进行了测试。
失败的确切行是()：
assert fixed_seq_len is not None
这是 (太大了，不能粘贴在这里)
这是
有谁知道这个错误可能是什么吗？
谢谢!
浏览 0提问于2018-12-01得票数 1
回答已采纳
我不知道如何使用拉伸阵列。这是密码。里面的窃听器是什么？
import tensorflow as tf
aI=tf.TensorArray(tf.int32, 2)
aO=tf.TensorArray(tf.int32, 2)
aI=aI.unpack([[1,2],[1,2]])
def body(i,aI,aO):
aO.write(i, aI.read(i)+1)
return (i+1, aI, aO)
cond=lambda i, *_ : i<2
_, _, aO=tf.while_loop(cond, body, [0,aI,aO])
r=aO.pack
浏览 1提问于2017-02-09得票数 6
回答已采纳
我正在编码rnn，类似于tensorflow提供的dynamic_rnn。我试图在GitHub上看到代码，但无法理解它们是如何实现的。我希望从零开始构建它，这样我就可以从内部自定义rnn。怎么做？
目前，我的方法是将截断的时间序列看作张量，使用tf.scan()并为所有时间序列寻找新的隐藏状态。然后使用tf.map_fn查找新的堆栈隐藏变量的输出。最后，使用tf.while_loop()查找叠加输出第一维上的每个张量的误差，并利用该损失进行反向传播。
我关心的是，在这样做之后，图形会是动态的吗？我的意思是说，首先我展开了5次，然后4次图形会擦除之前滚动的一个节点吗？
这个能行吗？
请指点。
谢
浏览 4提问于2017-04-17得票数 1
回答已采纳
我有两个张量t1和t2 (shape=(64,64,3)，dtype=tf.float64)。我想要执行一个自定义函数"func“，它以两个张量作为输入，并返回一个新的张量。
@tf.function
def func(a):
t1 = a[0]
t2 = a[1]
return tf.add(t1, t2)
我使用tensorflow的map_fn为输入的每个元素执行函数。
t = tf.map_fn(fn=func, elems=(t1, t2), dtype=(tf.float64, tf.float64))
tf.print(t)
用于测试的样本输入张量是，
浏览 4提问于2021-04-01得票数 0
回答已采纳
从tensorflow文档中，我们可以很容易地获得循环的最后一个值：
sess = tf.InteractiveSession()
i = tf.constant(0)
c = lambda i: tf.less(i, 10)
b = lambda i: tf.add(i, 1)
r = tf.while_loop(c, b, [i])
print(r.eval())
结果是
10
获得循环中间值的好方法是什么：
[0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
浏览 0提问于2018-12-12得票数 1
回答已采纳
1回答
我正在编写一个示例程序来学习4个节点上的分布式tensorflow。我的程序包括给一个简单的numpy数组赋值。然后将它们转换为tensorflow数组，以完成基本的算术加法操作。我将输出存储在另一个tensorflowarray数组中。最后，将该数组转换为张量，以便在输出中打印它。
import tensorflow as tf
import numpy as np
import datetime
u1 = tf.TensorArray(dtype=tf.float64,size=101)
u2 = tf.TensorArray(dtype=tf.float64,size=101)
u3
浏览 3提问于2016-10-31得票数 1
回答已采纳
1回答
当我尝试在Android (TensorFlowInferenceInterface)上运行CRNN TensorFlow模型时，我遇到了一个问题。当我在Python环境中运行它时，一切似乎都正常工作。在Android上，我得到了以下错误：
java.lang.IllegalArgumentException: Expected len(indices) == values.shape[0], but saw: 25 vs. 30
[[Node: shadow/LSTMLayers/stack_bidirectional_rnn/cell_0/bidirectional_rnn/bw/bw/T
浏览 3提问于2018-06-12得票数 0
在Tensorflow 1.4.1中，tf.data.Dataset中的map方法可以返回字符串，因此我可以返回类似于此的映射函数：
return filename, image, one_hot_label
其中filename是字符串。这在TF1.5+中不再适用了：
dataset = dataset.map(self._mapper)
File "/usr/local/lib/python3.5/dist-packages/tensorflow/python/data/ops/dataset_ops.py", line 838, in map
浏览 0提问于2018-04-05得票数 3
回答已采纳
使用TensorFlow/Keras，我想将图片分为自拍和非自拍两类。
我已经将示例收集到两个文件系统文件夹中，每个类别一个。
在使用了从文件系统加载图片之后(这也是一个图片分类问题)，我在上看到了从文件系统加载图片之后，按照MNIST的正式教程(这也是图片分类问题)实现了下面的培训。
不幸的是，我得到了一个错误：
1.10.1
Tensor("IteratorGetNext:0", shape=(?, 100, 100, 1), dtype=float32)
Tensor("IteratorGetNext:1", shape=(?,), dtype=int32
浏览 1提问于2018-09-21得票数 0
回答已采纳
1回答
基于以下代码，m0是一个形状为(3,1)的常量，但在while循环中更改了它的形状。因此，在while循环之后，Tensorflow不知道它的形状，但我使用set_shape将其更改为正确的形状。但是，当您通过优化(采用渐变)运行它时，它会弹出一个错误：
Incompatible shapes between op input and calculated input gradient. Forward operation: while_29/Enter_1. Input index: 0. Original input shape: (3, 1). Calculated input g
浏览 4提问于2018-02-02得票数 1
2回答
是否可以在具有单个值的张量上运行map_fn？
以下工作：
import tensorflow as tf
a = tf.constant(1.0, shape=[3])
tf.map_fn(lambda x: x+1, a)
#output: [2.0, 2.0, 2.0]
然而，这并不是：
import tensorflow as tf
b = tf.constant(1.0)
tf.map_fn(lambda x: x+1, b)
#expected output: 2.0
有可能吗？
我做错了什么？
任何提示都将不胜感激！
浏览 0提问于2018-05-21得票数 4
回答已采纳
当我使用函数时，as_numpy_iterator()出错了
RuntimeError跟踪(最近一次调用)在() ->1映像= get_image_data(image_paths)中
1帧/tensorflow-2.1.0/python3.6/tensorflow_core/python/data/ops/dataset_ops.py在as_numpy_iterator(self) 488“”489如果不是context.executing_eagerly()：-> 490举起RuntimeError(在跟踪“491”函数时不支持“as_numpy_iterator()”)co
浏览 9提问于2020-02-03得票数 6
2回答
我正在用实现U。U-net的一个方面是具有“水平”上下文连接(类似于残差)。我用for循环创建下采样和上采样层。例如：
for filters in [32, 64, 128]:
x = inverted_residual_block(x, expand=filters*2, squeeze=filters)
x = inverted_residual_block(x, expand=filters*2, squeeze=filters)
x = down_sampling_block(x,filters=filters)
我可
浏览 6提问于2021-12-22得票数 1
我想使用autograph来提取Tensorflow模型相对于其输入的导数，但由于某种原因，autograph给出了一个错误。下面是我正在使用的函数： @tf.function
def get_dydt(data,model,outsize):
ipt = data
y_list = []
with tf.GradientTape(persistent=True,watch_accessed_variables=True) as tape_1:
tape_1.watch(ipt)
with tf.GradientTape(persis
浏览 21提问于2021-05-05得票数 1
回答已采纳
我训练了一个数字图像并制作了一个模型文件。
相应的调味汁如下。
import os
import tensorflow as tf
import numpy as np
import matplotlib.pyplot as plt
from tensorflow.keras.datasets import mnist
from tensorflow.keras.utils import to_categorical
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Dense
浏览 0提问于2021-02-23得票数 0
回答已采纳
我正在使用数据集，它是的一部分。我可按以下方式查阅：
import tensorflow_datasets as tfds
data, info = tfds.load('cnn_dailymail', with_info=True)
train_data, test_data = data['train'], data['test']
若要从我使用的数据集中提取单个示例，请执行以下操作：
cnn_ex, = train_data.take(1)
cnn_ex['highlights'].numpy()
这将返回一个类似于以下内容
浏览 0提问于2019-05-26得票数 2
回答已采纳
给定张量a的形状(n, f)和形状(m, f)的b，我创建了一个函数来计算这两个张量之间的欧氏距离。
import tensorflow as tf
nr = tf.reduce_sum(tf.square(a), 1)
nw = tf.reduce_sum(tf.square(b), 1)
nr = tf.reshape(nr, [-1, 1])
nw = tf.reshape(nw, [1, -1])
res = nr - 2*tf.matmul(a, b, False, True) + nw
res = tf.argmin(res, axis=1)
到目前为止，代码运行得稍微快一些(
浏览 1提问于2020-03-08得票数 1
回答已采纳
我试图在定制的Keras层中使用tf.while_loop创建N张量。这里，N(代码中的timesteps)是一个Keras符号张量(整数标量)。下面的代码是函数模型中我的定制Keras层的__call__方法。
import tensorflow as tf
from keras import backend as K
# timesteps = tf.constant(7) ## This makes this code work!!
timesteps = K.shape(inputs)[1] ## Or equivalently provided by timesteps = ker
浏览 43提问于2022-03-27得票数 1
回答已采纳
我的目的是做CNN (VGG16)，然后将它的输出推送到每一帧的两层lstm。但是，当我尝试使用sess.run()时出现错误。这表明图的构造是正确的。那么我的虫子在哪里？这是错误信息。
tensorflow.python.framework.errors_impl.InvalidArgumentError: The node 'total_loss' has inputs from different frames. The input 'vgg_16/fc8/weights/Regularizer/l2_regularizer' is in frame &#
浏览 0提问于2017-02-13得票数 1
TensorFlow中完全自定义的层会自动在GPU上运行吗？我注意到在这个文档()中，RNN似乎不会使用CudNN？这意味着它不会在GPU上运行，对吧？
浏览 6提问于2020-04-25得票数 0
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
对象存储
腾讯会议
实时音视频活动推荐
腾讯云开发者
