tensor

1熱度

2回答

我有一個TensorFlow佔位符，其中4個維度代表一批圖像。每個圖像都是32 x 32像素，每個像素有3個顏色通道。第一個維度表示圖像的數量。 X = tf.placeholder(tf.float32, [None, 32, 32, 3]) 對於每一個形象，我願把所有的圖像的像素的L2範數。因此，輸出應該是一維的張量（即每個圖像一個值）。 tf.norm()（documentation）接受一

0熱度

1回答

將Eigen的SparseMatrix添加到Eigen的張量

如何添加Eigen的SparseMatrix到Eigen的張量？下面的代碼（不能編譯）解釋了我正在嘗試做的事情。 #include <iostream> #include <Eigen/Sparse> #include <unsupported/Eigen/CXX11/Tensor> using Eigen::Tensor; using Eigen::SparseMatrix; i

0熱度

1回答

張量板中的日誌縮放Y軸

TensorFlow的張量板中的對數尺度中的y軸是否可以顯示？我權在我的神經網絡的第一層下面的柱狀圖（分佈）：從似乎重量分佈基本上不變化，在所有的圖像。雖然是真的，但我想看到對數刻度（y軸）的變化。可能嗎？

0熱度

1回答

從Tensorflow中的概率分佈計算平均狀態

我有3個狀態（即狀態是一個向量，在這個例子中向量長度是2），我有概率分佈（例如10％狀態1,60％狀態2,30 ％狀態3）。我想推導出一個新的狀態，即概率*狀態的總和。當然，我也需要考慮批次。 1>計算概率分佈，我有一批4個和3個可能性，分佈定義如下。 dist = tf.constant([[0.1, 0.6, 0.3], [0.2, 0.4, 0.4], [0.3, 0.5, 0.2], [0

-1熱度

1回答

等效列表解析

如何修改秩1含N爲int的張量的秩2含有與字典在python像大小爲M N個向量的張量： dict = {1 : [1,2,3] , 2 : [3,2,1]} array1 = np.array([1,1,2,1,2]) array2 = np.array([dict[x] for x in array1]) 但我不能（從while循環一邊，但我不認爲這是最佳的解決方案）遍歷一個張量

0熱度

2回答

有沒有一種方法可以在張量流中張緊tensordot運算中的張量？

我想乘以以張量形式表達的堆疊矩陣。 tensor.shape == [2,5,7,6] 其中2和5是批次的大小， tensor2.shape == [5,6,8] 其中5是批量大小。在numpy的，tensor2自動廣播到[2,5,7,6]張量所以可以輕鬆地使用np.matmul(tensor,tensor2) 但在tensorflow，會出現誤差。我試圖tf.expand_dims(t

4熱度

2回答

如何將Pytorch autograd.Variable轉換爲Numpy？

標題說明了一切。我想將PyTorch autograd.Variable轉換爲其等效的numpy陣列。在他們的official documentation他們主張使用a.numpy()獲得等效numpy陣列（對於PyTorch tensor）。但這給了我以下錯誤： Traceback (most recent call last): File "stdin", line 1, in module

-2熱度

1回答

Theano：顯示錯誤ValueError異常：NEW_ORDER [1]是3，但輸入只擁有1軸

這裏是我的錯誤產生的行： self.output = tensor.nnet.softmax（conv_out +自.b.dimshuffle（'x'，filter_shape [0]，'x'，'x'）） PS這裏filter_shape [0] = 3（數量kernals）

0熱度

1回答

運行MXNetR時與數據形狀相關的錯誤

我正在嘗試使用MXNetR構建前饋神經網絡。我的輸入是一個6380行和180列的數據框。我的訓練和測試輸出是一維向量，每個元素有319個元素。我運行模型的批量大小設置爲1，輸出層的神經元數量設置爲319.因此，對於每個批次，我預計會得到一個包含319個元素的向量。我的目標是最大限度地減少我的損失函數，這是我的預測輸出向量和實際輸出向量之間的相關性。下面是我的代碼： # Define the i

1熱度

1回答

Tensorflow - 圖像和標籤的shuffle＆split數據集

與Tensorflow一起使用神經網絡對圖像進行分類。我有一個Tensor，其中包含形狀[N, 128, 128, 1]（N個圖像128x128帶1個通道）的圖像，以及形狀[N]的Tensor，其中包含圖像的標籤。我想把它全部洗牌並在訓練和測試張量之間進行分割（比如說80％-20％）。我沒有找到一種方法來「張貼」我的張量，將每張圖片與其標籤關聯起來（以同樣的方式將圖片和標籤進行混洗）。可能嗎？