为什么model.fit需要二维张量？为什么model.predict不接受标量张量？
model.fit需要二维张量是因为它是用于训练模型的方法，而训练数据通常是以二维张量的形式表示的。二维张量可以看作是一个矩阵，其中每一行表示一个样本，每一列表示一个特征。通过将训练数据表示为二维张量，模型可以更好地理解和处理输入数据。
model.predict不接受标量张量是因为模型的预测需要输入一批数据而不是单个数据点。标量张量只包含一个数值，无法表示多个样本的输入。为了进行批量预测，输入数据需要以二维张量的形式提供，其中每一行表示一个样本。
总结起来，model.fit需要二维张量是因为它用于训练模型，而model.predict不接受标量张量是因为它用于批量预测，需要输入一批数据而不是单个数据点。
相关·内容
当我注意到model.fit必须接受两个参数、输入和输出以及一些配置时，我正在学习TensorFlow.js。但输入是二维张量，写成如下：这看起来非常像一维张量，写成如下：由于二维张量实际上是5乘以1，所以我决定用一维张量来代替它。那么，有没有某种类型的代码要求输入必须是二维</e
浏览 46提问于2019-11-07得票数 1
回答已采纳
1回答
假设我有两个张量：x, y。每个张量都是0/1的一批，我想使用这个张量压缩x < y作为tf.cond pred参数的来源：
pred:决定是返回fn1还是fn2结果的标量。但是，如果我正在处理批处理，那么看起来我需要迭代图中的源张量，并对批处理的每个项进行切片，并对每个项应用tf.cond。看上去对我有点怀疑。为什么tf.cond不接受批处理，只接受标量？
浏览 5提问于2017-02-10得票数 13
回答已采纳
item.horse_sf // <- if item.x value is integer, I don't have a problem
.then((history) => { var pred = model.predictconsole.log(readable_output);
}
浏览 12提问于2020-12-23得票数 0
prediction, class )end-0.9008 -0.5213-0.9107 -0.5146-0.9244 -0.5055
-
浏览 4提问于2015-09-14得票数 2
回答已采纳
, model.predict([vals], batch_size=1))
ValueError:检查输入时出错:期望dense_90_input具有形状(35 )，但得到了带有形状
浏览 0提问于2019-08-27得票数 2
回答已采纳
1回答
我对model.predict的输出感到很困惑model.fit(...)len(predictions) # == len(val_set)在生产中，我目前使用以下代码对(list_images): print("leng
浏览 0提问于2020-04-22得票数 1
tf.tensor_scatter_nd_update()
tensor = [0, 0, 0, 0, 0, 0, 0, 0] # tf.rank(tensor
浏览 3提问于2021-05-02得票数 1
回答已采纳
在这种情况下，我需要对模型的输出和常量进行元素上的比较。但是，模型的输出有一个大小取决于占位符，而且似乎很难引用相同大小的常量。第一次尝试以某种方式产生标量值，而不是按元素进行操作：这第二次尝试具有基本的行为，但却是一种套话：
tf.less
浏览 0提问于2016-05-22得票数 0
回答已采纳
1回答
prediction and single training data correctinp = [np.array([[0,2]]), np.array([[0,2]])]model.fit(inp,np.array([42]), epochs=3, )
# this doesn´twork
model.fit(np.array([inp,inp]),np.array([42, 43]), epo
浏览 0提问于2021-05-22得票数 0
回答已采纳
根据docs，如果张量是非标量的(即它的数据有多个元素)，并且需要梯度，则当我们将后向函数调用到张量时，该函数还需要指定梯度。除了标度梯度值外，当我们有一个非标量张量时，gradient参数如何传递给后向函数来帮助计算导数呢？
为什么PyTorch不能隐式地计算导数，而不像对标量张量那样要求显式梯度参数？
浏览 1提问于2021-03-26得票数 2
给定输入X1，我需要在训练期间预测X2，X3，X4。 X3_pred = model.predict(X3) return K.mean(maxmodel = Model(input_tensor, out)
model.compile(
浏览 1提问于2019-04-09得票数 1
回答已采纳
1回答
class MNISTModel: self.num_channels = 1 self.num_labels = 10
input_shape=(28, 28, 1)))
model.add(Activation
浏览 0提问于2018-08-29得票数 1
回答已采纳
5回答
我不明白。这些文档解释了广播的规则，但似乎没有用英语来定义它。我的猜测是，广播是当NumPy用虚拟数据填充一个较小的维度数组以执行操作时。但这不管用：>>> y = np.array([2,4])*** ValueError: operands could not be broadcast together with shapes (3,) (2,)
但是，错误信息暗示我走在正确的轨道上。有人可以定义广播，然后提供一些简单的例子来说明什么时候起作用，什么时候不起作用？
浏览 4提问于2015-09-28得票数 5
回答已采纳
2回答
来自本例：# we start off with an efficient embedding layer which mapsmodel.add(Embedding(max_features, input_length=maxlen,
浏览 4提问于2016-10-19得票数 11
回答已采纳
1回答
我的输入特征张量是形状N x T x D，其中N是数据点的数目，T是序列的数目，D是维数。我的目标张量是形状的N x T x 1 (1，因为我试图输出一个标量值)。decay=1e-4 / 200)然而，当我试图训练我的模型时，我得到了以下输出：
r = model.fit(cleaned_tensor, target_tensor, epochs=100, batch_size
浏览 0提问于2019-06-25得票数 1
回答已采纳
tf.keras.layers.Dense(10, activation='relu'), ])在我训练了模型之后model.fit(train_dataset, epochs=15)
如何使用model.predict(在将实例传递到model.predict方法之前，是否必须
浏览 0提问于2020-05-06得票数 1
我正在尝试做一个二维卷积，一个二维网格，由下面形状的张量表示 [batch_dim, width, height] 其中，第一维度是批次维度，第二和第三维度表示2d网格 当我尝试使用以下代码应用2d卷积时input for input of size [1, 132, 7] instead 为什么对于具有一个通道的2d网格，它需要一个4d张量？
浏览 18提问于2019-12-28得票数 0
但我得到的数据是张量，我无法将其转换为图像。我打印出了img，它看起来像是一个张量。如果我不能用lambda层实现这一点，我还能做什么呢？
浏览 0提问于2017-03-19得票数 9
我在Tensorflow中有一个三维稀疏张量，我想沿着第一维(axis=0)分裂。我在考虑使用操作。但它需要一个参数num_splits作为Python integer。我想知道我是否将num_splits放在标量占位符中，有没有办法使用它？
为什么这个函数会遵循这样的惯例，我还没有在其他的tensorflow操作中看到过呢？
浏览 2提问于2018-05-04得票数 0
回答已采纳
2回答
momentum=0.9, nesterov=True)model.fitTraceback (most recent call last):
model.fitError when ch
浏览 3提问于2017-07-07得票数 5
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
对象存储
腾讯会议
实时音视频活动推荐
腾讯云开发者
