<tf.Tensor: shape=(), dtype=float32, numpy=18.0>, <tf.Tensor: shape=(), dtype=float32, numpy=70.0>, <, numpy=14.89>, <tf.Tensor: shape=(), dtype=float32, numpy=65.0>, <tf.Tensor: shape=(), dtype=float32</em
浏览 8提问于2022-02-27得票数 2
回答已采纳
1回答
如何将角化模型与数据集相匹配？
、、、、
我尝试用一组csv文件来安装我的keras模型(我不想在内存中加载文件并将它们连接起来)。我试图用"tf.data.experimental.make_csv_dataset“构建一个数据集(我认为它的工作方式类似于matlab数据存储？)给我的模型输入"next“和"iter”，但我无法解决输入大小和/或输入类型的问题。我很感谢你的帮助。提前谢谢。from tensorflow import kerasfrom tensor
浏览 4提问于2022-02-24得票数 1
回答已采纳
1回答
it is necessary for spliting to training and testing sets )
test= tf.nest.map_structure(lambda x: x.numpy
浏览 27提问于2022-03-03得票数 2
回答已采纳
我遇到了以下问题:通过使用@tf.function，我想沿着定义的组件拆开张量。def f1(x): return y
def f2(x): return y
def f3(x): return y
y1 = tf.unstack(x, axis=0) #f2
y2
浏览 17提问于2020-05-21得票数 1
, numpy=0.0011093982>, <tf.Tensor: id=281900, shape=(), dtype=float32, numpy=0.008290171>, <tf.Tensor, numpy=-0.0068962937>, <tf.Tensor: id=281903, shape=(), dtype=float32, numpy=0.0020472356>, <tf.Tensor, numpy=-
浏览 16提问于2019-07-05得票数 0
回答已采纳
我正在学习教程，但未能为在y=x上生成的数据集构建线性回归器。这是我代码的最后一部分，如果你想重现我的错误，你可以在这里找到：_CSV_COLUMNS = ['x', 'y']
print('Parsing', data_file)
columns = tf.decode_csv(value, record_defaults=_CSV_COLU
浏览 0提问于2018-01-01得票数 9
根据是在数组内部启动还是作为独立Float32启动，Numpy Float32值会有所不同：array([ 75.08999634], dtype=float32)75.089996>>>
浏览 0提问于2017-05-11得票数 1
回答已采纳
例如，我有一个张量： [1744.7915, 597.5836, 1790.3419, 709.9775], [1396.4264, 562.2295, 1444.1472, 653.7578], [1035.7961, 771.2336, 11
浏览 1提问于2020-10-30得票数 0
我正试图在TensorFlow中创建一个权重矩阵，如下所示 [c, b], 其中a，b，c，d为Tf.Variable。梯度流应该只改变变量a、b、c、d。如果分别初始化3个变量，然后创建权重矩阵w如下：b = tf.Variable(1., name='b', trainable=True)d = tf.Variable
浏览 2提问于2022-02-10得票数 1
回答已采纳
1回答
如何将dataset对象用作model.fit()培训循环中的输入，用于多输入的模型？试图传递数据集本身会导致以下错误：我在这里的案子：
我
浏览 1提问于2022-02-03得票数 2
, shape=(), dtype=float32, numpy=2.2769136>, <tf.Tensor: id=39735, shape=(), dtype=float32, numpy=2.0263004=float32, numpy=0.7392154>, <tf.Tensor: id=39849, shape=(), dtype=float32, numpy=0.7742219>, <tf.Tensor
浏览 219提问于2019-07-03得票数 6
, numpy=3.0>, <tf.Tensor: shape=(), dtype=float32, numpy=4.0>, <tf.Tensor: shape=(), dtype=float32, numpy: [<tf.Tensor: shape=(), dtype=float32, numpy=140.0>, <tf.Tensor: shape=(), dtype=float32, numpy</
浏览 5提问于2022-03-07得票数 1
回答已采纳
2回答
简短的例子：import tensorflow as tf
foo(x)可以使用什么来获得以下输出：
(<tf.Tensor: shape=(3,), dtype=float32, numpy=array([0., 0., 0.], dtype=float32)>, <tf.Tensor: shape
浏览 7提问于2020-10-01得票数 3
回答已采纳
我一直在尝试从我的层中获取可训练变量，但找不到一种方法来使其工作。所以这是我尝试过的：trainable_variables.append(conv_layer.kernel)类似地，我尝试以以下方式使用属性"trainable_variables“：
trainable_variables.extend(conv_layer.trainable_variables
浏览 27提问于2019-12-10得票数 4
回答已采纳
我正在尝试将pos_ds数字特征的数据类型从float32更改为float 64，但找不到正确的方法。有什么建议吗。我使用的是tensorflow 2.2。())Features:
dict_values([<tf.Tensor: shape=(), dtype=float32, numpy=4.89784>, <tf.Tensor: shape=(), dtype=float32, numpy=4.727388>, <tf.Tensor: shape=(), dt
浏览 1提问于2020-08-07得票数 1
但是，如果张量不是可训练变量，则TensorFlow的GradientTape返回None梯度：import tensorflow as tf
print(grads)打印：
[None, None, None, <tf.Tensor: id=26, shape=(3,), dtype=float32, numpy=array([1., 1., 1.], dtype=<em
浏览 1提问于2018-11-19得票数 0
回答已采纳
当我打印它时，我有这样的数据：
data = [<tf.Tensor: shape=(), dtype=float32, numpy=-0.0034351824>, <tf.Tensor: shape=(), dtype=float32, numpy=0.0003163157>, <tf.Tensor: shape=(), dtype=float32, numpy=0.00060091465>, <tf.Tensor: shape=(), dty
浏览 1提问于2020-11-26得票数 1
回答已采纳
我是TensorFlow的新手。我想知道以下计算雅可比矩阵的代码出了什么问题： w1, w2 = tf.Variable(1.), tf.Variable(1.)
z1 = w1*w2 + w1**2
# output: [None, None] 其中，我从向量函数的雅可比矩阵的定义中期望得到一个2x2矩阵： [[dz1/dw1, dz1/dw2], [dz2/dw1, dz2
浏览 45提问于2021-05-01得票数 0
1回答
我有一个从time_step = eval_env.reset()得到的初始时间步长
TimeStep(step_type=<tf.Tensor: shape=(1,), dtype=int32, numpy=array([0], dtype=int32)>, reward=<tf.Tensor: shape=(1,), dtype=float32, numpy=array([0.], dtype=float32)>, discount=<tf.Tensor: shape=(1,),
浏览 1提问于2020-10-05得票数 0
云服务器
ICP备案
对象存储
云点播
实时音视频
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号