基本上，我有两个张量，我试图将两个张量相乘(一个是简单的大小，另一个张量的大小是batch，x，y，z)，这样批次中的每个3D张量都会按其相应的值进行缩放#enc_out1 has shape [<
浏览 4提问于2021-03-09得票数 1
我正在尝试将可变大小的序列输入到LSTM中。因此，我使用的是一个生成器和一个1的批量大小。我有一个嵌入的(sequence_length,)输入张量，并输出一个(batch_size, sequence_length, embeding_dimension)-tensor.同时，我拥有的其他输入数据的大小为(sequence_length, features)，即
浏览 0提问于2019-04-27得票数 0
回答已采纳
1回答
我想用批处理大小的X来训练模型。但是，对于每个批处理，我希望在其中创建一个零填充( word_padding_length = maximum string length in each batch - current_word_length我尝试过搜索，但没有找到任何与此相关的信息。这应该发生在我适合这个模型的时候。
浏览 5提问于2019-09-29得票数 0
回答已采纳
我有一批大小为torch.Size([batch_size, 9, 5])的矩阵A和尺寸为torch.Size([3, 5, 6])的加权矩阵B。在Keras中，一个简单的K.dot(A, B)能够处理矩阵乘法，从而给出一个大小为(batch_size, 9, 3, 6)的输出。这里，A中的每一行被乘以B中<e
浏览 0提问于2018-09-17得票数 0
回答已采纳
在keras文档中，稠密层的输入张量将输入视为：
形状的nD张量：(batch_size, ..., input_dim).最常见的情况是带有形状(batch_size, input_dim)的2D输入。据我所知，输入张量中的批次大小是用于训练或预测的示例数量。
对于batch_s
浏览 0提问于2019-07-28得票数 1
我有一个函数，需要计算大小为(?,61,80)的张量的Keras batch_dot，和大小为(40,61)的二维张量。Dimension ?用于自定义图层中的批量大小。在使用Keras repeat_elements时，我们需要指定批处理大小，使其成为(batch_size, 40,61)<
浏览 39提问于2019-03-02得票数 2
回答已采纳
为了实现这一点，我从Francois Chollet的this answer中了解到，我需要在每个训练步骤中评估model.updates。我不需要为占位符input_1提供值，因为我在tf.data.Dataset上调用模型，而不是通过feed_dict将输入数据提供给占位符。 我能做些什么来让它工作呢？ 这是一个完全可重现的例子。这是一个在Caltech256上训练的简单图像分类器(使用本文底部的链接下载TFRecord文件)： import tensorflow
浏览 46提问于2019-02-10得票数 4
回答已采纳
我是Tensorflow的初学者。我被这个教程弄糊涂了。作者首先给出了一个公式y=softmax(Wx+b)，但是在python代码中使用xW+b，并解释了它是一个小技巧。首先，我们用表达式tf.matmul(x，W)乘以x乘以W。这是从我们在方程中把它们相乘的时候开始的，我们有Wx，作为处理x的一个小技巧，x是一个多输入的2D张量。
浏览 5提问于2017-06-29得票数 2
import numpy as npfrom keras.models importSequentialimport tensorflow as tffrom tensorflowimport keras
x = np.stac
浏览 275提问于2020-12-28得票数 0
1回答
我在Keras中有一个模型，其中我想让神经网络显式地查看几个特性的总和。我试着这样做：d_input = keras.layers.concatenate(哪里 return K.reshape(K.sum(x), [1])
ValueError：Concatenate层需要具有匹配形状的输入得到输入形状：(无，
浏览 0提问于2018-06-08得票数 0
回答已采纳
在第5页的“时间编码”部分(顺便提一句)，我说了N个嵌入维数M的向量，所以我的Keras张量是(批大小，N，M)，我想要在每个批处理大小的每个样本中添加一个N乘以M的权重矩阵。我需要在批次中的每个样本中添加相同的权重。
所以我试过几样东西。Keras是内置于RepeatVector层的
浏览 0提问于2018-05-08得票数 2
回答已采纳
1回答
PyTorch的nn.Linear(in_features, out_features)接受尺寸为(N_batch, N_1, N_2, ..., N_end)的张量，其中N_end = in_features输出是大小为(N_batch, N_1, N_2, ..., out_features)的张量。我不太清楚它在以下情况下的行为：
如果v是一行，则输出为
浏览 7提问于2021-04-08得票数 0
回答已采纳
在Keras中，Conv2D的输入张量通常是维数为batch_size * n * n * channel_size的四维张量。现在我有一个维度为batch_size * N * n * n * channel_size的5D张量，我想为N中的每个i应用最后三个维度的2D卷积层。例如，如果内核大小为1，那么我期望输出的<
浏览 23提问于2019-01-07得票数 0
回答已采纳
对于Keras的平均池层，我有点困惑。声明如下：
参数如果data_format='channels_last&
浏览 0提问于2019-02-02得票数 6
回答已采纳
1回答
我有两个形状张量(batch size,15,500)，(batch size,500,98)我想将它们相乘，作为每个batch大小的矩阵乘法得到(batch size,15,98)如何在tensorflow或keras后端使用Batch dot
浏览 0提问于2018-03-12得票数 2
1回答
网络配置不正确
、、
我是Keras和Tensorflow的新手。我正在尝试重塑Python的 (我对Python一点也不熟悉)，但没有成功；我制定了以下代码片段。new Sequential();iSequential.Add(iLayer2);在编译过程中，根据我的粗浅理解，这意味着iLayer1的配置方式使得它不可能与iLayer2一起操作，但我不知道该怎么做。编辑:在<
浏览 0提问于2019-11-08得票数 0
我是深度学习的初学者，正在构建一个根据图像确定人的程序。但是我的神经网络显示出一个错误，我不知道如何修复它- model.fit(imgs_array,Y,batch_size = 401, epochs = 2, validation_split = 0.2import to_categoricalfrom tensorflow.python.keras.layersmodel
浏览 13提问于2020-03-20得票数 0
我正在阅读关于深度学习中的LSTM的文章。来自Andrew Ng教授的LSTM课程，每个LSTM单元有三个输入。输入是来自前一个单元的单元状态，即"c“上标(t-1)，以及LSTM单元"a”超级脚本(t-1)和输入x超级脚本(t)的输出。LSTM单元的输出是当前单元状态，即"c“上标(t)和LSTM单元"a”的输出超级脚本(t)。
我们如何在keras
浏览 11提问于2019-07-15得票数 0
回答已采纳
1回答
有没有办法将输入打印到我的Keras模型中？我不确定"batch_size“是指样本数量，还是指每个样本的数据点数量。如果我可以将输入打印到我的Keras模型中，那就太好了。
浏览 0提问于2019-04-17得票数 1
1回答
=16)我的状态由两个值组成，坐标x和y。在main.py中，我在ReplayMemory类中采样和提取内存，并将它们传递给get_current函数：
experiences = memory.sample(batch_size)x2，而动作的长度为批大小。当我<e
浏览 0提问于2019-11-27得票数 0
云服务器
ICP备案
对象存储
实时音视频
云直播
腾讯云开发者
