tensor

    1熱度

    1回答

    我在mshadow一個新手的形狀,我不明白爲什麼我得到了那些outpus從下面的代碼片段: TensorContainer<cpu, 2> lhs(Shape2(2, 3)); lhs = 1.0; printf("%u %u\n", lhs.size(0), lhs.size(1)); printf("%u %u\n", lhs[0].shape_[0], lhs[0].shape_[1]

    0熱度

    2回答

    我是一個Python/Pytorch用戶。首先,在numpy中,假設我有一個大小爲LxL的數組M,並且我想要有以下 數組:A =(M,...,M)的大小,比如NxLxL,是否有更優雅的/這樣做不是內存高效的方法: A=np.array([M]*N) ? 火炬張同樣的問題! 原因,現在,如果M是一個變量(torch.tensor),我必須做的: A=torch.autograd.Variable

    1熱度

    1回答

    我最近開始學習Tensorflow,特別是我想用卷積神經網絡進行圖像分類。我一直在尋找在官方倉庫的機器人演示,特別是這個例子:https://github.com/tensorflow/tensorflow/blob/master/tensorflow/examples/android/src/org/tensorflow/demo/TensorFlowImageClassifier.java 線

    0熱度

    1回答

    正如標題所示,我正在使用從我的機器源代碼構建的tensorflow 1.2版。我不相信這會影響我的問題。 這兩個代碼塊有什麼區別? 最重要的一個原因是我從來沒有在訓練時得到分配的值,但底部的確是這樣。我將我的所有時代數據複製到GPU中,然後根據需要抓取每批次的數據,因此此代碼在同一會話中每批次的開始處運行。 代碼是在Python中,所有這些都是在我的模型類中定義的。 所有self.data對象都是

    0熱度

    1回答

    我的項目請求一個新圖層,它需要Tensor的新運算符來計算輸入x和常數密鑰k之間的按位XOR。 例如x = 4(比特形式:100),k = 7(111),按位XOR(x,k)期望爲3(011)。 據我所知,張量只有邏輯運算符爲bool類型。幸運的是,Tensorflow有一個新的操作系統的擴展能力。但是,我在https://www.tensorflow.org/extend/adding_an_o

    0熱度

    1回答

    級聯LSTM輸出I有[BATCH_SIZE,1]定義爲這個 cell = tf.contrib.rnn.LSTMCell(num_hidden,state_is_tuple=True) val, _ = tf.nn.dynamic_rnn(cell, sequential_feed_data, dtype=tf.float32) val = tf.transpose(val, [1, 0, 2

    3熱度

    1回答

    我希望有人能夠解釋Keras中的輸入層和Tensorflow中的佔位符之間的區別(如果有的話)? 我調查的越多,兩者似乎越相似,但我至今沒有100%的說服力。 這裏是我所贊成要求的觀察到,輸入層和tf佔位符是相同的:) 1)張量從keras.Input(返回可用於像在一個佔位符tf.Session的運行方法的feed_dict。下面是使用Keras,其將兩個張量(a和b)並連接的結果與第三張量(C

    0熱度

    1回答

    讓tensor成爲張量,其中len(tensor.get_shape()) == 2。 如何做np.nansum(tensor, axis=1)?從documentation,nansum「返回給定座標軸上數組元素的總和,不將數字(NaNs)視爲零」。 我可以看到如何使用要做到這一點: tf.reduce_sum(tf.where(tf.is_nan(tensor), tf.zeros_like(

    0熱度

    1回答

    我一直在嘗試編譯桌面主機上的基本tensorRT項目 - 因爲現在的源從字面上就在下面: #include <nvinfer.h> class Logger : nvinfer1::public ILogger { } glogger; 在運行make,不過,我收到以下消息: fatal error: nvinfer.h: No such file or directory #inc

    0熱度

    1回答

    白衣驗證碼: import tensorflow as tf w = tf.Variable(tf.random_normal([ 3 , 3 , 1 , 1 ], stddev = 0.01)) if __name__ == '__main__': initVar = tf.global_variables_initializer() with tf.Session()