1回答
我正在编写一个函数来处理数字输入，对每一列进行一系列计算。我喜欢这个函数，它可以无缝地处理向量和矩阵输入，并返回与输入相同的类。我正在寻找类似于diff()的工作方式。在R中有没有规范的模式来实现这一点，或者我需要在输入的类上进行if/else处理吗？到目前为止，我想出的最好的是：
浏览 3提问于2017-08-01得票数 0
2回答
我制作了一个事实星座模式，包含2个事实表和16个维度表，其中包含4个公共维度表。其中一个维度表需要规范化，因为来自数据源的数据可能具有可变的行数。我还能称之为在维度表中有分支的事实星座模式吗？？
浏览 2提问于2009-08-27得票数 2
回答已采纳
2回答
特征归一化问题
、、、、
我在功能规范化过程中有问题。我从帖子中了解到，我们需要规范化培训功能，并使用培训数据扩展测试/验证功能。我在实现方面面临问题，就像我的例子中，我的训练样本有固定的维度，但是验证和测试数据的维度是可变的。因此，我可以将零均值单位方差用于训练数据，但我不确定如何规范验证/测试数据样本，因为样本的维数/长
浏览 0提问于2021-04-28得票数 0
目前，我正在处理维度建模/数据仓库/数据集市。维度建模用于OLAP (联机分析处理)。我一直在阅读有关维度建模和OLAP的文章，这种类型的数据库被描述为“非规范化”。
但是因为我和他们一起工作，所以我看到所有的数据结构总是在1NF中最小。我从来没
浏览 22提问于2017-02-13得票数 2
回答已采纳
我想知道是否有任何实质性的缺点(例如，关于计算效率，内存.)在为可变大小的输入(相对于固定大小的输入)创建TensorFlow占位符时？比方说，我正在进行小型批处理学习，并使用占位符初始化图形，在该占位符中，我预先假定了一个固定的batch_size：
tf.placeholder(..., shape=[batch_size, ...或者，我可以初始化占位符变量，以便它接受可变大小的</e
浏览 4提问于2017-03-02得票数 9
回答已采纳
我正在加载 (23094，71,768)，(23094，19,282)的预训练模型.当我传递形状为(29116，72,768)的新X值时，当检查输入时会出现错误:期望的lstm_1_input具有形状(71,768)，但得到与形状(72,768)的数组。这是我的模型总结:模型："sequential_1“
lstm_1 (无，71,256个) 1049600
lstm_3 (dense_1 (稠密)(
浏览 2提问于2020-04-06得票数 0
我需要在我的model_fn()中创建一个具有[batch_size, 20]形状的随机变量。def model(inp, out):
eps = tf.random_normal([batch_size, 20], 0, 1, namesess.as_default()or pass an explicit sess
浏览 1提问于2016-04-27得票数 3
回答已采纳
输出形状中的(None，100)是什么意思？这(“None”)是样本号还是隐藏维度？
浏览 0提问于2017-11-12得票数 35
回答已采纳
中的示例代码。使用TensorFlow向语言模型(rnn)提供数据的标准方法的。如果批量大小是固定的，应该不会有任何问题。但是，如果我使用的是tf.
浏览 0提问于2017-06-24得票数 1
2回答
我正在尝试开发一个自动编码器的声音，有一个在0.05秒和30秒之间的可变长度。我想知道是否有可能创建一个简单的自动编码器，考虑到这个可变长度作为输入，或者我应该做一些输入之前的预处理。
浏览 2提问于2021-04-18得票数 1
根据本教程：，我正在使用PyTorch优化更快的RCNN>>> model.eval() .. preds = model([img.to(device)])编辑
当输入3D张量列表时工作(我的这种行为有点奇怪，我不明
浏览 21提问于2019-08-12得票数 0
回答已采纳
我正在建造我自己的CNN
number_neuron_output的卷积层，number_neuron_1st完全连接层。我想要做的是自动获取width_feature映射、height_feature映射、map*number_feature映射，这样就可
浏览 5提问于2017-04-11得票数 0
1回答
防止模型过分关注强特征。
、、、
该模型的输入是不同长度和不同信息量的几种不同模式。我试图通过将不同的模式投射到相同的维度空间中，然后将它们组合到同一个空间来减少维度的差异。然而，模型似乎完全集中在最强大的输入特性上，几乎完全忽略了较弱的输入特性的丰富程度。所有的输入特性都是规范化的(boo
浏览 0提问于2021-03-26得票数 0
回答已采纳
在Tensorflow的MNIST教程中，我们将输出从最后一个池层重塑为一个向量。所写的守则是：-1指数是干什么用的？
浏览 3提问于2016-06-21得票数 10
回答已采纳
2回答
LSTM如何处理变长序列
、、、、
我在的第7章第1节中找到了一段代码如下：from keras import layers loss='categorical_crossentropy',如您所见，这个模型的输入没有原始数据的形状信息，那么
浏览 1提问于2018-04-19得票数 10
回答已采纳
3回答
通常，在设计数据仓库时，我们要么使用星型模型，要么使用雪花模型或混合模型，通常我们将主数据规范化为维度表(有时是为了性能考虑，非规范化)。我的问题是，规范化为维度表，还是创建各种不同的维度表，有什么好处？
如果为了节省空间，那么Server不同级别的压缩已经节省了空间。例如，在事实表中有一个varchar(max)列，该列只有1%的唯一值，然后将其规范化为维度表，
浏览 3提问于2013-03-16得票数 1
1回答
在unix普通C termios编程中，如果我使用规范模式从用户接收一行输入，我如何处理转义键？通常，如果用户输入一行文本并按“转义”，什么都不会发生。如果用户按转义键，我想取消当前输入。我知道我可以处理单个字符，但随后我就失去了规范模式(backspaces，等等)的所有好处。
浏览 2提问于2014-10-13得票数 5
回答已采纳
我想知道有没有可能为可变长度的图像添加一个类似于扁平层的层。假设我们的CNN有一个输入层：在执行了典型的卷积/最大池化层系列之后，我们是否可以创建一个扁平层，使其形状为：
output_shape=(None
浏览 2提问于2018-03-15得票数 1
2回答
我的代码中有一个大型3D矩阵的应用程序，我试着用4*4*4矩阵测试它，下面是我的代码#include <stdio.h>#include <complex.hprintf("%f\n", in[i*(N*N) + j*N + k]); }
plan_backward = fftw_plan_dft_r2c), cimag(out[i*(N*N
浏览 3提问于2016-09-05得票数 0
回答已采纳
云服务器
ICP备案
实时音视频
对象存储
云直播
腾讯云开发者
