Tensorflow:将张量转换为numpy数组，然后传递给feed_dict
TensorFlow是一个开源的机器学习框架，它提供了丰富的工具和库，用于构建和训练各种机器学习模型。在TensorFlow中，张量（Tensor）是其核心数据结构之一，它是一个多维数组，可以表示各种类型的数据。
要将张量转换为NumPy数组，并将其传递给feed_dict，可以使用TensorFlow中的eval()函数。eval()函数可以计算给定张量的值，并返回一个NumPy数组。
下面是一个示例代码，展示了如何将张量转换为NumPy数组并传递给feed_dict：
import tensorflow as tf
import numpy as np
# 创建一个张量
tensor = tf.constant([[1, 2, 3], [4, 5, 6]])
# 将张量转换为NumPy数组
numpy_array = tensor.eval()
# 创建一个feed_dict，将NumPy数组传递给TensorFlow的占位符
feed_dict = {placeholder: numpy_array}
# 在会话中运行计算图
with tf.Session() as sess:
result = sess.run(operation, feed_dict=feed_dict)
print(result)在上面的代码中，我们首先创建了一个张量tensor，然后使用eval()函数将其转换为NumPy数组numpy_array。接下来，我们创建了一个feed_dict，将NumPy数组传递给TensorFlow的占位符。最后，在会话中运行计算图，并使用feed_dict传递数据给占位符。
需要注意的是，上述代码中的placeholder和operation是示例中的占位符和操作符，具体的名称和定义需要根据实际情况进行替换。
推荐的腾讯云相关产品和产品介绍链接地址：
- 腾讯云机器学习平台（https://cloud.tencent.com/product/tensorflow）
- 腾讯云AI引擎（https://cloud.tencent.com/product/tia）
- 腾讯云GPU云服务器（https://cloud.tencent.com/product/cvm-gpu）
- 腾讯云容器服务（https://cloud.tencent.com/product/ccs）
- 腾讯云函数计算（https://cloud.tencent.com/product/scf）
以上是关于TensorFlow将张量转换为NumPy数组并传递给feed_dict的完善且全面的答案。
相关·内容
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
我试图用自己的一组图像实现一个简单的logistic回归模型，但是当我试图训练这个模型时，我得到了这个错误：
Traceback (most recent call last):
File "main.py", line 26, in <module>
model.entrenar_modelo(sess, training_images, training_labels)
File "/home/jr/Desktop/Dropbox/Machine_Learning/TF/Míos/Hip/model_log_reg.py", line 24, i
浏览 3提问于2015-12-08得票数 18
回答已采纳
我已经在Tensorflow建立了一个CNN，在那里我用TFRecordReader读取我的数据。它工作得很好，但是我想做一些比tf.image函数提供的更多的预处理和数据增强。我特别想做一些随机缩放。
有可能处理Numpy中的Tensorflow张量吗？还是我需要删除TFRecordReader，而是使用feed_dict在Numpy和feed中进行所有预处理？我怀疑feed_dict方法在图像上的训练速度很慢，但我可能错了？
浏览 0提问于2016-01-22得票数 7
回答已采纳
有没有人尝试过在TensorFlow中使用稀疏张量进行文本分析？一切都准备好了，我设法向tf.Session中的feed_dict提供了一个带有numpy数组的Softmax层，但我无法向字典提供SparseTensorValues。
我还没有找到关于使用稀疏矩阵来训练带有张量流的模型(例如softmax )的文档，这很奇怪，因为类SparseTensor和SparseTensorValues或TensorFlow.sparse_to_dense方法已经准备好了，但是没有关于如何在session.run(fetches,feed_dict=None)方法中提供feed_dict值字典的文档。
浏览 0提问于2015-11-25得票数 5
我正在尝试将张量对象中的一个矩阵切片为numpy矩阵，并将其用于部分计算。但是从张量对象到numpy数组的赋值不会像下面这样工作。
import tensorflow as tf
import numpy as np
def assignC():
C_copy = np.zeros((2,2))
C = tf.matmul(tf.transpose(x), x)
C_copy[0,0] = C[0,0]
#C_copy[0,0] = C[0,0].eval() # error saying "You must feed a value for pla
浏览 2提问于2016-06-21得票数 0
我在tensorflow建立了一个暹罗网络。我使用以下代码计算两个张量之间的距离：
distance = tf.sqrt(tf.reduce_sum(tf.square(tf.subtract(question1_predictions, question2_predictions)), reduction_indices=1))
我能够训练这个模型，没有任何错误。在推理部分，我将检索distance张量如下所示：
test_state, distance = sess.run([question1_final_state, distance], feed_dict=feed)
Tensorf
浏览 2提问于2017-05-20得票数 8
回答已采纳
当我进行训练时，我试图给一个包含正确标签的张量器喂食。
整个训练数据集的正确标签包含在一个张量中，该张量已从numpy数组中转换出来：
numpy_label = np.zeros((614,5),dtype=np.float32)
for i in range(614):
numpy_label[i,label_numbers[i]-1] = 1
# Convert to tensor
y_label_all = tf.convert_to_tensor(numpy_label,dtype=tf.float32)
对于每一批的正确标签，我有一个占位符：
images_per_b
浏览 1提问于2016-04-21得票数 1
回答已采纳
它将报告TypeError:提要的值不能是tf.Tensor对象。可接受的提要值包括Python标量、字符串、列表或numpy ndarray。当运行我的tensorflow代码时，我的代码下面有错误吗？我用feed_dict types.Why转换张量类型--它仍然失败吗？
with tf.Session() as sess:
tf.initialize_all_variables().run()
coord = tf.train.Coordinator()
threads = tf.train
浏览 5提问于2016-05-13得票数 1
tensorflow 1.6
当我注意到以下代码起作用时，我感到非常惊讶：
a = tf.constant(5)
b = a + np.array(25)
b.eval() # 30
我以为这会导致一个错误。tensorflow如何处理这个案子？numpy数组是否以常量张量的形式添加到图形中，以便所有东西仍然可以在GPU上运行？或者会有一些中断来计算CPU上的东西吗？
换句话说，与手工定义适当的tf.constant张量相比，用这种方式编写它有什么缺点吗？
浏览 0提问于2018-03-12得票数 4
回答已采纳
我有一个占位符变量，它需要一批输入图像：
input_placeholder = tf.placeholder(tf.float32, [None] + image_shape, name='input_images')
现在我有两个输入数据来源：
1)张量和
2)一些numpy数据。
对于numpy输入数据，我知道如何将数据提供给占位符变量：
sess = tf.Session()
mLoss, = sess.run([loss], feed_dict = {input_placeholder: myNumpyData})
如何将张量提供给占位符变量？
mLoss, = se
浏览 0提问于2017-03-03得票数 24
1回答
我想知道从NumPy数组到张量的转换是如何在PyTorch和Tensorflow中发生的。它是创建整个数组的副本，还是有一些就地机制？
其次，如何清除先前由NumPy数组使用的内存，该数组后来被转换为张量。
浏览 3提问于2021-10-12得票数 0
回答已采纳
为了一个例子，考虑在张量流中计算一个内积。当一个人使用提要对其进行评估时，我试图尝试在TensorFlow中以不同的方式引用图形中的内容。考虑以下代码：
import numpy as np
import tensorflow as tf
M = 4
D = 2
D1 = 3
x = tf.placeholder(tf.float32, shape=[M, D], name='data_x') # M x D
W = tf.Variable( tf.truncated_normal([D,D1], mean=0.0, stddev=0.1) ) # (D x D1)
b =
浏览 1提问于2016-06-21得票数 0
这是一个很简单的问题，我似乎搞不懂。我的工作是一个输出张量，形状为100,250。我希望能够访问250维数组在任何地点沿100和修改他们分别。我发现的tensorflow数学工具要么对整个张量进行按元素方向的修正，要么对整个张量进行标量修正。然而，我试图对张量子集进行标量修正。
编辑：
下面是我想用tensorflow方法重新创建的numpy代码：
update = sess.run(y, feed_dict={x: batch_xs})
for i in range(len(update)):
update[i] = update[i]/np.sqrt(np.sum(np.s
浏览 4提问于2016-06-27得票数 7
回答已采纳
2回答
我试着在张量流中写和(逻辑运算)，有两个输入和两个权重相乘得到一个数字，并把这个数字加到偏置中，我的问题是把发送X(输入)和W(权值)相加到形式上。[1，1]对于X(垂直)，和0.49900547，0.49900547对于W(水平)得到一个数字作为结果，但它给了我两个数字，我如何能做乘，对吗？这是我的代码>>
import tensorflow as tf
import numpy
rng = numpy.random
# Parameters
learning_rate = 0.01
training_epochs = 2000
display_step = 50
# Tra
浏览 5提问于2015-12-04得票数 4
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
2回答
我正在和tensorflow一起研究一个算法。以下是想要的代码的NumPy版本： x = [1,2,3,4,5,6,7,8,9,10]
sets = {1,5,7}
y = [0,0,0,0,0,0,0,0,0,0]
for i in range(10):
if i in sets:
y[i] = x[i] 它会得到结果： y = [0,2,0,0,0,6,0,8,0,0] 如何在tensorflow中实现此功能？有没有办法使用相同的逻辑在tensorflow中实现这一点，而不是在计算后将NumPy数组转换为张量，而是使用张量执行所有操作(例如，使用张量来索引张量，
浏览 22提问于2020-06-26得票数 2
下面是我使用tensorflow的代码，我已经尝试调试这个错误两天了.
changed_result = y_conv.eval(feed_dict={x: pixelNew, keep_prob: 1.0})
以及：
changed_result = tf.Variable([0.0],tf.float32)
我试着把changed_result变成张量，或者只是不声明它。两个人都没用。
以下是整个错误描述：
回溯(最近一次调用)：文件"deepMnist.py"，第235行，在tf.app.run中(main=main，argv=[sys.argv] +未解析)
文件&#
浏览 1提问于2017-03-15得票数 1
回答已采纳
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
我有一个Keras预训练模型"model_keras“，我想在损失函数中使用它。模型"model_keras“的输入是另一个Tensorflow模型"model_tf”(生成式模型)的输出。我正在尝试通过最小化损失来更新"model_tf“的权重。在优化过程中，"model_kears“仅用于推理，不会更新。我的问题是我无法从"model_keras“得到正确的推断结果，由于这个问题，我无法正确地更新"model_tf”。代码如下所示： loss_func(input, target, model_keras): # the i
浏览 30提问于2020-10-20得票数 1
1回答
我用Tensorflow编写了一些代码来计算一个字符串和一组字符串之间的编辑距离。我找不出错误。
import tensorflow as tf
sess = tf.Session()
# Create input data
test_string = ['foo']
ref_strings = ['food', 'bar']
def create_sparse_vec(word_list):
num_words = len(word_list)
indices = [[xi, 0, yi] for xi,x in enume
浏览 7提问于2016-06-24得票数 4
回答已采纳
我刚开始学习蟒蛇的Tensorflow。当我从一个简单的AddTwo类开始时，我得到了以下错误。错误消息是：
不能将feed_dict键解释为张量:张量张量(“占位符:0”，dtype=float32)不是此图的一个元素。
有人能帮我指出正确的路吗？
import numpy as np
import tensorflow as tf
class AddTwo(object):
def __init__(self):
self.graph = tf.Graph()
with self.graph.as_default():
浏览 1提问于2017-01-19得票数 5
在我的一些代码中，我使用tensorflow创建了一个神经网络，并可以访问表示该网络输出的张量。我想复制这个张量，这样即使我对神经网络进行了更多的训练，我也可以访问张量的原始值。
根据其他答案和tensorflow文档，我尝试了tf.identity()函数，但它似乎没有执行我需要的操作。其他一些链接建议使用tf.tile()，但这也无济于事。我不希望使用sess.run()，计算张量，然后将其存储在其他地方。
下面是一个玩具示例，它描述了我需要做的事情：
import tensorflow as tf
import numpy as np
t1 = tf.placeholder(tf.fl
浏览 128提问于2019-07-20得票数 4
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Tensorflow 2.0 alpha预览并测试急切的执行。我怀疑的是，如果在中间有一个可变大小的numpy数组，比如
input.shape
(10,)
input[0].shape
(109, 16)
input[1].shape
(266, 16)
等等，对于数组的其余部分，如何急切地将它们转换为张量。
当我尝试
tf.convert_to_tensor(input)
或
tf.Variable(input)
我得到了
ValueError:未能将numpy ndarray转换为张量(无法以字节形式获取元素。)
转换每个子数组可以工作，但是由于子数组大小不一样，所
浏览 0提问于2019-03-21得票数 5
回答已采纳
在Tensorflow中，我遇到了将稀疏张量(稀疏占位符)乘以稠密张量的问题。我还遇到了将稀疏张量直接转换为稠密张量的问题。我已经搜索过了，但到目前为止还没有找到这个问题的例子。
TL;DR
如果稀疏占位符将其shape参数设置为None，则计算有效，但如果提供类似于(3,3)的形状，则会失败。
下面是工作的代码：
import tensorflow as tf
import numpy as np
matrix_place = tf.placeholder(tf.float32, name="foo", shape=(3,2))
sparse_place = tf.spar
浏览 0提问于2018-03-22得票数 2
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
我是tensorflow的新手。我对如何计算使用TensorFlow对象检测API检测到的对象数感到困惑
# Score is shown on the result image, together with the class label.
scores = detection_graph.get_tensor_by_name('detection_scores:0')
classes = detection_graph.get_tensor_by_name('detection_classes:0')
num_detections = detection_
浏览 2提问于2017-08-02得票数 2
当我用Tensorflow训练我的模型时，我想修改张量的值。
这个张量是我模型中的张量之一。
weight = tf.Variable(np_matrix)
经过一些迭代之后，weight的值将自动更新。
我的问题是:如何不自动地修改weight的值。我试过这种方法，但没有用。
modify_weight = sess.run([weight], feed_dict = feed_dict)
modify_weight[0] = [0, 0]
weight = tf.Variable(modify_weight)
此部分代码位于tf.Session()部分(因为我希望在培训期间修改该值)。
谢
浏览 1提问于2017-08-31得票数 4
回答已采纳
数据集是numpy集。一些教程说:因为需要GPU的优势，我们应该将numpy数组改为tensorflow张量。然后使用tensorflow模型。
但经过训练后，一些代码使用numpy函数进行测试和交互。但tensorflow官方教程中的代码仍然使用相同的tensorflow模型和tf.dataset进行测试。我想知道:当测试或实时应用时，我应该使用numpy还是tensorflow张量和模型？换句话说，如果不训练，使用tensorflow张量和函数是否会产生一些不良影响？
例如:我们使用selected_words =tf.argsort(o_j)
代替
selected_words = np
浏览 0提问于2019-11-13得票数 0
2回答
我试图将input_image (它是numpy array.Following的张量)--已经回答的问题和其他几个建议在此转换中使用input_image.eval()或等效sess.run()的问题--进行转换，但是它引发了一个错误，显然期望sess.run()有一个feed_dict值。但是，由于这里我并不试图运行依赖于未知值的操作，所以我认为这里不需要feed_dict，因为这里所做的只是转换。
此外，为了检查，我还尝试使用相同的方法转换一个tf.constant(1,2,3)值，尽管它的数据类型与input_image相同，但还是成功地编译了它。下面是我的代码，它是大型脚本的一部分：
浏览 2提问于2019-11-24得票数 1
回答已采纳
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
当我使用tensorflow运行一个会话的操作时，结果是一个精确计算的张量results.How我能把它转移到一个可迭代的列表中吗，换句话说，使用这个张量来做其他的工作？我是tf的新手，希望有人能帮助我。
print sess.run(y, feed_dict={x: feed_x, dropout_keep_prob: dropout_prob})
浏览 0提问于2018-12-03得票数 0
我遵循了tensorflow网站的官方教程：，在教程中还描述了如何调用示例ZeroOut的梯度，我想在下面这个简短的代码片段中进行尝试。
我在这里找到了代码：
import numpy as np
import tensorflow as tf
from tensorflow.python.framework import ops
from tensorflow.python.ops import array_ops
from tensorflow.python.ops import sparse_ops
zero_out_module = tf.load_op_library('./
浏览 2提问于2018-05-04得票数 0
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
2回答
我该怎么做？
我看到您的文章说，您只需将java对象传递给Python方法，但这并不适用于numpy数组和TensorFlow张量。以下是我尝试过的，以及这方面的各种变体，但都没有用。
double[][] anchors = new double[][]{{0.57273, 0.677385}, {1.87446, 2.06253}, {3.33843, 5.47434}, {7.88282, 3.52778}, {9.77052, 9.16828}};
PyObject anchors_ = numpy.callAttr("array", anchors);
我也尝试使用串
浏览 0提问于2019-06-18得票数 2
回答已采纳
我发现这个例子只需要使用numpy数组作为输入()。
为什么不将numpy数组改为tensorflow张量或tf.data？如果两者都可以，为什么需要tensorflow张量？
浏览 2提问于2019-11-15得票数 1
1回答
我在"sims“变量中有一个相似的分数，我想在一个矩阵中绘制相似的分数，最好是在配色方案中。有关"sims“变量的更多信息如下：
import tensorflow.compat.v2 as tf
print(sims) #Tensor("ExpandDims:0", shape=(1, 64, 64, 1), dtype=float32)
print(sims[0]) #Tensor("strided_slice_6:0", shape=(64, 64, 1), dtype=float32)
tf.print(sims[0][
浏览 2提问于2020-12-18得票数 0
1回答
我写了一个简单的代码，
import numpy as np
import tensorflow as tf
x_data = np.loadtxt('D:\proj\dnn_lib_cuda\input')
w_data = np.loadtxt('D:\proj\dnn_lib_cuda\weight')
x_tensor = np.reshape(x_data, (1, 3, 224, 224))
w_tensor = np.reshape(w_data, (64, 3, 3, 3))
x_tensor_ch = x_tensor.transpose
浏览 1提问于2018-09-19得票数 0
回答已采纳
1回答
我已经建立了一个人工神经网络来预测寿险数据的值。当我恢复图时，我可以导入我的预测张量来查看我的值。
sess = tf.Session()
new_saver = tf.train.import_meta_graph('model.ckpt.meta')
new_saver.restore(sess, tf.train.latest_checkpoint('./'))
graph = tf.get_default_graph()
inputs = graph.get_tensor_by_name("inputs:0")
predict_res
浏览 5提问于2017-10-17得票数 1
我有一个用PyTorch编写的神经网络，它在GPU上输出一些张量a。我想继续使用高效的a层来处理TensorFlow。
据我所知，唯一的方法是将a从GPU内存移到CPU内存，转换为numpy，然后将其输入TensorFlow。一个简化的例子：
import torch
import tensorflow as tf
# output of some neural network written in PyTorch
a = torch.ones((10, 10), dtype=torch.float32).cuda()
# move to CPU / pinned memory
c = a
浏览 0提问于2019-01-30得票数 15
2回答
我想用int，-1表示法来重塑张量(例如，使图像变平)。但我无法提前知道第一维度。一个用例是对一个大批进行培训，然后对一个较小的批进行评估。
为什么这会导致以下错误：got list containing Tensors of type '_Message'
import tensorflow as tf
import numpy as np
x = tf.placeholder(tf.float32, shape=[None, 28, 28])
batch_size = tf.placeholder(tf.int32)
def reshape(_batch_size):
浏览 2提问于2016-02-13得票数 8
回答已采纳
我正在与Tensorflow合作开发一个分类器。我的输入和输出是numpy数组，其中以示例为行，以参数为列。到目前为止，我的代码工作正常，我可以通过直接提供100%的输入和输出数组来训练我的网络。现在，我想创建一个为tensorflow提供的混洗批次列表，但这一步对我来说不是很清楚。
下面的代码会创建张量列表(我的批次)吗？
input_batch,output_batch=tf.train.shuffle_batch([input,output],batch_size=100,capacity=50,min_after_dequeue=10,enqueue_many=True,allow_s
浏览 0提问于2017-02-06得票数 2
我的OC是苹果M1的大sur，所以我的tensorflow版本是2.4，这是从官方的苹果github ()安装的。当我使用下面的代码时，我得到张量(<tf.Tensor 'StatefulPartitionedCall:0‘shape=(1,2880,4320，3) dtype=float32>)
import tensorflow as tf
import tensorflow_hub as hub
from PIL import Image
import numpy as np
from tensorflow.python.compiler.mlcompute imp
浏览 8提问于2021-03-07得票数 6
我试图用Tensorflow创建一个神经网络，我尝试使用一个熊猫数据作为我的数据。这给了我一个错误，说我不能将数据转换成张量。我认为通过numpy.asarray()传递数据应该已经修复了这个错误，但是我仍然得到了错误。
这是我的密码：
import numpy as np
import tensorflow as tf
import pandas as pd
dataframe = pd.read_csv('data.csv')
dataframe.drop(dataframe.columns.difference(["Happiness.Score", &
浏览 4提问于2018-07-07得票数 0
回答已采纳
2回答
我将遵循以下教程：
我想要做的是传入一个测试图像x-作为numpy数组，并查看产生的softmax分类值-可能是另一个numpy数组。我在网上能找到的所有关于测试张量流模型的东西都是通过传入测试值和测试标签并输出准确性来工作的。在我的例子中，我只想根据测试值输出模型标签。
这就是我正在尝试的:将tensorflow作为tf导入numpy作为np从skimage import color，io
from tensorflow.examples.tutorials.mnist import input_data
mnist = input_data.read_data_sets("MNI
浏览 1提问于2016-06-30得票数 2
1回答
我有一堆形状和尺寸不同的numpy数组，我需要把它转换成一个tensorflow张量，作为神经网络的输入。
我试着用这个网络来解决强化学习问题，每一步都需要一个张量。我有六个numpy数组，下面是它们的形状：(26，) (7，) (2，) (7，) (2，) (9,7)。我把它们都放在一个形状数组(6 )中，但是当我尝试用它们创建一个tf.constant时，我会遇到一些问题。
#here are the numpy arrays
in1_ = np.zeros((26,), dtype='int')
in2_ = np.zeros((7,), dtype='int&
浏览 0提问于2019-06-01得票数 2
回答已采纳
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
我正在使用tensorflow模型，就像中描述的那样。正因为如此，我没有会话对象。现在我想用.eval()把标签转换成一个数值数组。如果没有会话，就会出现错误。
Traceback (most recent call last):
File "myfile.py", line 273, in <module>
tf.app.run()
File "/usr/local/lib/python3.4/site-packages/tensorflow/python/platform/app.py", line 30, in run
sys.
浏览 0提问于2016-11-23得票数 4
我看了很多论坛网站，试图找出解决办法，但没有得到它。
我正在尝试使用Tensorflow (Python 3，Win 10 64位)与我自己的一组图像。当我运行它时，我会得到一个ValueError。具体地说：
Traceback (most recent call last):
File "B:\Josh\Programming\Python\imgpredict\predict.py", line 62, in <module>
sess.run(train_step, feed_dict={imgs:batchX, lbls: batchY})
浏览 2提问于2017-07-11得票数 0
回答已采纳
我知道在tf.assign中有一个TensorFlow函数，但是这个函数主要针对可变张量(tf.Variable)。如何修改张量的值？例如，以下代码，
import numpy as np
import tensorflow as tf
X = tf.placeholder(tf.float32, shape=[None, 32, 32, 3])
conv1 = tf.layers.conv2d(X, filters=64, kernel_size=(3, 3), padding='same',name='conv1')
relu1 = tf.nn.relu
浏览 4提问于2018-01-09得票数 1
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
对象存储
即时通信 IM活动推荐
腾讯云开发者
