1回答
tf.InteractiveSession()
y = tf.placeholder(tf.float32, [None, 10])
w2 = tf.Variable(tf.zeros([700, 500]))
w3 = tf.Variable(tf.zeros([500, 500]))w4 = tf.Variable(tf.zeros([500, 500]
浏览 0提问于2018-11-15得票数 1
回答已采纳
我试图在张力流1.14中建立一个简单的多头注意层。每个头部包含三个不同的conv1d层。我想用tf.map_fn来并行计算。normalize = tf.contrib.layers.instance_norm
f1ds = tf.tile(f1d
浏览 0提问于2020-12-11得票数 0
回答已采纳
1回答
我正在尝试训练一个神经网络，它的最后一层是这样的，# Here I am adding 5 probability from 5 different layer但现在我想给他们一些分量，比如和optimize the
浏览 0提问于2020-12-18得票数 1
ref><tf.Variable 'beta2_power:0' shape=() dtype) dtype=float32_ref><tf.Variable 'b
浏览 0提问于2018-05-22得票数 0
'),'wConv3': tf.Variable([64]), name='bC3'),'bConv5': <e
浏览 9提问于2017-10-12得票数 1
回答已采纳
tf.reduce_mean(tf.nn.softmax_cross_entropy_with_logits(logits = A2, labels = Y))
global_step = tf.Variable
浏览 1提问于2017-12-18得票数 2
回答已采纳
(xavier_init([image_dim + Y_dimension, disc_hidd_dim])), 'gen_H': tf.Variable([z_noise_dim + Y_dimension, gen_hidd_dim]),
'gen_final': tf.Variable(xavier_init([gen_hidd_d
浏览 21提问于2019-05-21得票数 1
回答已采纳
, [None, D])W1 = tf.Variable(tf.random_normal([D,M], stddev=0.01))W2 = tf.Variable(tf.random_normal([M,M], stddev=0.01)
浏览 24提问于2019-04-06得票数 0
回答已采纳
我在TensorFlow中有以下代码 b = tf.Variable(10) * awith tf.Session() as sess:但是，当我用a替换b时，如下所示： b = tf.Variable(10) * awith tf.Session() as sess:
浏览 2提问于2018-02-27得票数 0
回答已采纳
1回答
tf.Variable(tf.random_normal([784, n_nodes_hl1])),
hidden_3_layer = {'weights':tf.Variable(tf.random_normal{'weights':tf.Variable</e
浏览 3提问于2017-10-02得票数 1
回答已采纳
1回答
def convolutional_block(X, f, filters, stage, block, s = 2): bn_name_base = 'bn' + str(stage) + block + '_branch'
X = Conv2D(F1, (1, 1), strides
浏览 1提问于2020-02-16得票数 0
回答已采纳
1回答
) * (2*n_inputs)
l2_weight = tf.Variable(0.5, trainable=True, name='L2_Loss_weight')
l3_weight = tf.Variable(0.5,
浏览 8提问于2022-08-24得票数 0
我需要从Tensorflow/Keras2.0 (super_model)中实现的神经网络中获取导数。由于我之前在this post中解释的问题，这个模型由多个基本模型(从x1到x6)组成。(因此，如果只将角度传递给模型，我将得到一个错误。)请参阅以下代码： angles=[0] * 21
'x1_model_input': numpy.array([angles[0:3]]), 'x3_model_input'
浏览 45提问于2021-11-13得票数 0
回答已采纳
1回答
(tf.random_normal([patch_size_2, patch_size_2, depth, depth], stddev=0.1)), 'bias_1' : tf.Variable(tf.
浏览 8提问于2016-09-23得票数 0
回答已采纳
/usr/bin/python
x = tf.Variable([2], tf.float32)如果我们尝试上述代码段，则输出如下/usr/bin/python
import numpy as np
indices = tf.co
浏览 0提问于2017-06-05得票数 1
回答已采纳
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)
c = tf.Variable(1., name='
浏览 2提问于2022-02-10得票数 1
回答已采纳
我有一批n培训示例。每个训练示例都生成一个向量、一个(长度k)和一个向量c (也是长度k)。我想定义以下损失函数：我读过各种可供我使用的tf操作，但似乎无法找到适当的实现。我试着用tf.tile把p复制成k长张量，然后做tf.subtract，但这似乎太过分了。
浏览 6提问于2017-11-14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
云直播
对象存储
实时音视频活动推荐
腾讯云开发者
