如何在c++中设置输入张量的值？
在C++中设置输入张量的值可以通过以下步骤进行：
- 导入相关的头文件和命名空间：#include <iostream> #include <tensorflow/core/framework/tensor.h> #include <tensorflow/core/framework/tensor_shape.h> #include <tensorflow/core/framework/types.h> #include <tensorflow/core/public/session.h> #include <tensorflow/core/platform/env.h> using namespace tensorflow;
- 创建一个Tensor对象并指定其形状和数据类型：Tensor input_tensor(DT_FLOAT, TensorShape({batch_size, input_size}));其中，
DT_FLOAT表示张量的数据类型为浮点型，batch_size和input_size分别表示张量的批量大小和输入大小。 - 获取Tensor的底层指针，并通过指针操作设置张量的值：float* input_data = input_tensor.flat<float>().data(); for (int i = 0; i < batch_size * input_size; ++i) { input_data[i] = // 设置输入张量的值 }在循环中，可以根据具体需求设置输入张量的值。
- 将输入张量传递给模型进行推理或其他操作：// 创建Session对象并加载模型
SessionOptions session_options;
Session* session = NewSession(session_options);
session->Create(graph_def);
// 定义输入张量的名称和张量对象
std::string input_tensor_name = "input_tensor";
std::vector<std::pair<std::string, Tensor>> inputs = {{input_tensor_name, input_tensor}};
// 运行模型并获取输出张量
std::vector<Tensor> outputs;
session->Run(inputs, output_tensor_names, {}, &outputs);在上述代码中，
input_tensor_name表示输入张量的名称，output_tensor_names表示输出张量的名称，inputs和outputs分别表示输入和输出张量的集合。
需要注意的是，上述代码仅为示例，具体的设置输入张量的值和使用方法可能因不同的框架或库而有所差异。在实际应用中，可以根据具体的情况进行调整和优化。
关于腾讯云相关产品和产品介绍链接地址，由于要求不能提及具体的云计算品牌商，建议您参考腾讯云官方文档或咨询腾讯云的技术支持团队获取更详细的信息。
相关·内容
2回答
我正试着在ios上通过一个预先训练好的模型运行一个样本。session->Run()接受我理解的张量作为输入。我已经初始化了一个张量，但是我如何设置它的值呢？我没有太多使用C++的经验。
我已经成功地创建了一个测试模型，它接受形状为{1，1，10}的3维张量。
我从Tensorflow的简单示例中提取了以下代码行来创建输入张量。
tensorflow::Tensor input_tensor(tensorflow::DT_FLOAT, tensorflow::TensorShape({1,1,10}));
从这里开始，我不知道如何设置input_tensor的数据。我想将张量设置为{.
浏览 7提问于2016-08-10得票数 5
假设我使用Tensorflow的Python创建了一个张量，如下所示，
x = tf.placeholder("float", shape=[None, inputLen])
我想在C++中创建一个tensorflow：：张量等价的张量，这样我就可以运行一个以x作为输入的经过训练的图。我应该如何处理输入形状的第一个维度，它在C++中是tensorflow::TensorShape类型？
如果我这样做了：
tensorflow::TensorShape inputShape;
inputShape.AddDim(0);
inputShape.AddDim(inputLen);
它
浏览 4提问于2015-12-20得票数 3
回答已采纳
我想在python中构建和训练一个多层的LSTM模型(stateIsTuple=True)，然后在C++中加载和使用它。但是我很难弄清楚如何在C++中输入和获取状态，主要是因为我没有可以引用的字符串名称。
例如，我将初始状态置于命名范围中，如
with tf.name_scope('rnn_input_state'):
self.initial_state = cell.zero_state(args.batch_size, tf.float32)
这会出现在下面的图表中，但是我如何在C++中给这些文件喂食呢？
另外，如何在C++中获取当前状态
浏览 2提问于2017-02-23得票数 2
回答已采纳
2回答
我有一个形状的输入张量(32,256,256,256)。在这个张量形状中，32是批次大小。第二，256是给定大小为256×256的图像中的信道数。
我想做池，以便将张量转换成形状( 32，32,256,256)。在PyTorch中，如果我尝试应用池，则形状的最后两个维度(与图像相关)正在发生变化，但与通道相关的维度却没有变化。
能否将池应用于输入张量以获得输出张量？如果不可能，建议我如何将输入张量转换为输出张量？
浏览 0提问于2021-09-23得票数 1
我的问题与外部定义的数据结构：张量有关。张量是一个多维数组。在中，张量是一个有两个字段的类: t.data，t.size：
% Create the tensor
t.data = data;
t.size = siz;
t = class(t, 'tensor');
return;
就像Matlab中内置的函数zeros()一样，我可以使用tenzeros()创建一个充满零的张量，例如，tenzeros(2,3,4)。这个工具箱中还有其他类型的张量数据结构:张量、张量等。
我的问题是，我如何预先分配200个张量或其他张量类型，其中每个张量
浏览 3提问于2014-11-19得票数 1
回答已采纳
1回答
我尝试使用libtorch1.4对C++端的一个4类分类项目进行预测。然而，与Python端相比，我无法获得相同的预测。首先，我在预测之前获得相同的输入张量值。当我比较输出张量值时，我注意到它们是不同的。您可以在该图片中找到这些值： ? 左侧包括Python输出张量值和每个输入图片的预测结果。 右侧包括C++输出张量值和每个输入图像的预测结果。 你能提供一个解决方案来获得相同的输出张量值和预测结果吗？
浏览 32提问于2020-06-16得票数 0
回答已采纳
我正在tensorflow c++中加载.pb文件。现在我需要用我的数据填充输入张量，并获得输出张量。
为了填充数据，我使用了以下代码：
tensorflow::Tensor points_tensor{tensorflow::DataType::DT_FLOAT, tensorflow::TensorShape({number_of_points,4})};
auto pointsMapped = points_tensor.tensor<float, 2>();
for(int i=0; i<number_of_points; i++){
浏览 1提问于2021-02-20得票数 0
是否可以使用没有标记输入(或输出)节点的Tensorflow C++ API来执行图？据我所知，在训练我的模型时(使用python中的skflow，后来我将它保存为二进制原型)，我没有标记输入/输出节点，但是我能够恢复模型，并在Python中毫无困难地进行预测。当使用C++ API执行图时，输入向量是字符串和张量的对，在这里，我假设字符串引用输入节点的标签。从医生那里：
Session:Run( const std::vector< std::pair< string，张量>&Run，const std::vector< string > &ou
浏览 0提问于2016-01-31得票数 4
回答已采纳
1回答
我用TensorFlow (Python)实现了一个模型，这个模型是我之前用C++使用Eigen编写的，在那里它像预期的那样工作。但是这个模型在Python中并没有像预期的那样工作，这可能是因为我没有正确地定义张量，或者我混淆了维度。
我试图通过使用Visual Studio (2017)的调试器来了解问题(如果不同的集成开发环境对此更好，那么我洗耳恭听，但我更喜欢使用VS)，但是张量不会计算任何值-我可以理解这一点，因为张量定义的是操作而不是数据对象(它只在调用session.run之后生成数据对象)。
但是，常量张量和可变张量-以及仅在这些张量之上构建的任何其他张量-都带有预定义的数据。那
浏览 1提问于2018-04-18得票数 3
在我在中看到的所有示例中，输入都是从静态源解析的--通常是文件。是否有可能构建一个数据来自不同来源的图？在我的用例中，数据来自服务器的消息字符串:我希望将这些消息转换为张量，并使用这些张量作为图的计算部分的输入。
浏览 0提问于2015-11-20得票数 3
1回答
我的项目请求一个新的层，它需要张量的新运算符来计算输入x和常量密钥k之间的bitwiseXOR。例如x=4(比特形式: 100)，k=7 (111)，bitwiseXOR(x，k)期望为3 (011)。
据我所知，张量只有布尔型的LogicXOR算子。幸运的是，Tensorflow具有扩展能力，可以有一个新的操作。然而，我在中阅读了文档，我可以得到基本的想法，但这离实现还很远，可能是因为缺乏c++知识。任何实现新运算符的建议都将是有帮助的。然后我可以使用张量的新运算来构建新的层。
浏览 2提问于2017-06-21得票数 0
我正在做一个动态批量大小的DQN训练。我有两个通行证：
第一遍:使用不同的样本对DNN进行几次后续的前向传播，直到某个特定事件发生。在这一步中，我保存了所有的输入(一维张量)，以便在第二遍中重放。因为使用C++不能创建具有动态形状的张量，所以我将它们存储为一维张量的std::vector。
第二遍:计算预期输出，并使用相同的DNN执行前向传播和反向传播。这一次，我使用二维张量作为输入，在一次运行中计算所有样本。
问题是如何从一维张量的向量最有效地创建这个二维输入张量？还是说我做错了？
浏览 15提问于2018-09-03得票数 1
1回答
特征张量模块通过使用模板参数支持静态秩张量，类似于Eigen::Tensor<typename T,int dims>。我将只使用Eigen::Tensor<double, n>，在编译时不一定知道n。是否有这样一门课：
class TensorWrapper{
Eigen::Tensor<double,??????> t; //not sure what could go here
TensorWrapper(int dimensions){
t = Eigen::Tensor<double,dimensions>
浏览 2提问于2017-11-13得票数 1
回答已采纳
在c++中，多维矩阵存储在std::vector<float>中。我需要在tensorflow中使用它，它使用张量。从std::vector到张量的转换似乎并不明显。有一个将向量转换为TF_Tensor而不是Tensor的c_api。std::copy也可以工作，但是我想在不复制的情况下执行转换。
浏览 1提问于2016-05-05得票数 7
我想知道如何使用tensorflow Variabe对象使用C++ API获取数据。例如，对于具有引用obj的纯张量对象，执行obj->flat<Type>().data()将返回所有张量数据。是否有类似的方法从变量对象中提取数据？
浏览 9提问于2019-11-05得票数 0
目前，我正试图将ONNX model导入到Keras，以便对大小为1x1x200x200的灰度图像的数据集进行培训。
但是，当我将onnx模型转换为Keras时，可以使用
onnx-to-keras()
模型的输入层被更改为?x1x200x200作为.h5 model。
当转换回.onnx文件时，输入层已更改为Nx1x200x200。
在试图训练模型时起作用，但是当使用ONNX .将经过训练的神经网络部署到C++代码时，更改的输入层会导致错误。
这是因为N被读取为一个导致溢出的一维层.
C++代码与原始模型一起工作，输入层将接收1x1x200x200图像。
-我已经尝试过在numpy数组张量上
浏览 4提问于2020-06-25得票数 2
回答已采纳
我正在试验Tensorflow C++ API。我需要命名一个张量，这样我就可以在C++中引用的过程中馈送。看一下这个例子
self.initial_state = cell.zero_state(args.batch_size, tf.float32)
print self.initial_state.name
self.initial_state是由cell.zero_state方法产生的张量。我的问题是:如何将名称重命名/重新分配给现有张量？为了更好地回忆，我不想使用生成的名称。
谢谢
浏览 13提问于2016-07-28得票数 0
我使用一个临时张量将数据存储在我定制的基于gpu的op中。为了调试目的，我想在C++中通过传统的printf打印这个张量的数据。我如何将这个基于gpu的张量拉到cpu，然后打印它的内容。非常感谢。
浏览 0提问于2018-07-16得票数 0
回答已采纳
C中有TF_GraphGetTensorShape，但是接口与C++ Graph和Output不兼容。如何使用tensorflow C/C++ API做同样的工作？
例如。如何使用Slice API获得C++操作返回的张量形状，然后使用该张量形状生成具有相同形状的variable？
浏览 0提问于2018-07-06得票数 5
回答已采纳
我用 128号训练batch_size，效果很好。然后我使用并设法使用C++运行它，就像他们在自己的中那样。
唯一的问题是，我必须人工生成128号形状的张量，image_height，image_width，通道，用C++来分类单个图像，因为保存的模型需要一批输入128个样本，因为这是来自队列的样本数。
我尝试用Cifar10 =1训练batch_size示例，然后在使用C++运行模型时，我设法逐个对示例进行分类，但这似乎不是一个很好的解决方案。我还尝试在保存的图形文件中手动更改张量形状，但它没有工作。
我的问题是，用固定的批次大小(比如32，64,128等)来训练模型的最佳方法是什么？然后保
浏览 0提问于2016-11-14得票数 9
回答已采纳
1回答
我想把零索引嵌入向量修正为零向量。
例如,
embedding layer input: [0, 1, 2, 0, 3]
embedding layer output:
[
[0, 0, 0, 0, 0],
[ (some vector) ],
[ (some vector) ],
[0, 0, 0, 0, 0],
[ (some vector) ]
]
我在Keras嵌入层找到了mask_zero选项，但不是我想要的.
我这么做的目的是：
(batch_size, input_size)Look-up输入:使用输入张量→形状(batch_size, input_size,
浏览 0提问于2021-08-12得票数 2
假设我使用以下代码tf.saved_model.simple_save(sess, export_dir, in={'input_x': x, 'input_y':y}, out={'output_z':z})保存了一个模型
现在，我将保存的模型加载到另一个python程序中，作为with tf.Session() as sess: tf.saved_model.loader.load(sess, ['serve'], export_dir)。
现在的问题是，当调用simple_save()方法时，我如何通过输入_ x、
浏览 0提问于2018-09-18得票数 2
回答已采纳
1回答
我使用Tensorflow (2.4)和Keras来构建我的神经网络模型。它接受两个张量作为输入，并给出标量输出。网络已经经过训练，从现在开始，它具有固定的权重。在给定两个输入之一的情况下，可以找到使输出值最大化的另一个输入的值？提前谢谢你
浏览 0提问于2021-04-07得票数 0
我正在尝试将一个base64字符串数据解码为张量，以便输入一个模型进行预测。function中有一个函数(tf.image.decode_image)，用于将字符串转换为张量，但在tf c++中找不到任何api。如果没有tf api，我如何处理这个问题？
浏览 0提问于2019-07-18得票数 1
回答已采纳
按照，如果我想将模型部署到Google，我需要显式地设置"input"/"output“集合，这些集合将存储对输入/输出张量的引用，如下所示：
这个集合应该为您的图形命名所有输入张量。类似地，需要一个名为“output”的集合来命名图的输出张量。假设您的图有两个输入张量x和y，以及一个输出张量分数，则可以这样做：
Tf.add_to_collection(“输入”，json.dumps({“x”：x.name，“y”：y.name})tf.add_to_collection(“输出”，json.dumps({“分数”：scores.name}))
在这里，“x”、“y
浏览 3提问于2016-12-26得票数 0
回答已采纳
我有一个.pb模型文件，我可以通过get_tensor_by_name获得输入张量和输出张量，然后使用输入和输出张量创建一个保存的模型，然后可以在tensorflow模型服务器中提供该模型。但是目前，输入张量是3D数组格式的图像，我想再添加一层来解码jpeg编码的字符串，并将结果输入到当前的输入张量中，有什么建议吗？
浏览 1提问于2017-12-21得票数 0
2回答
我有一个tensorflow::Tensor batch在C++和形状。
，我想得到另一个张量，它只有第一个图像，因此，我会得到一个形状为1,720,1280，3的张量。
tensorflow::Tensor first = batch[0]
实现这一目标的最有效方法是什么？
我知道如何在python中这样做，但是C++的api和文档不如python的好。
浏览 1提问于2018-04-17得票数 2
回答已采纳
1回答
我在C++中使用C++库的张量方面，并希望计算一个特征张量的元素方向乘积乘以第二个特征张量中元素的标量和。类似于：
#include <Eigen/Dense>
Eigen::Tensor<float,2>u(5,5);
Eigen::Tensor<float,2>v(5,5);
u.setConstant(1.f);
v.setConstant(2.f);
Eigen::Tensor<float,2>ans(5,5);
ans = u*v.sum();
但是，这种方式不支持*操作符。
建议使用与张量对象关联的.constant()方法。而当
浏览 3提问于2018-09-18得票数 3
回答已采纳
1回答
我遵循本教程来实现Yolo对象检测器：和我成功地完成了它。
创建的.pb文件可用于将图形迁移到移动设备(JAVA / C++ /Objective++)。输入张量和输出张量的名称分别为“输入”和“输出”。
我想用OpenCV (c++)加载网络。readNetFromTensorflow()方法需要两个文件：.pb和.pbtxt。后者不是由上文所述的实施产生的。类似地，要使用readNetFromDarknet()方法，必须有两个文件：.cfg和.weights。后者不是由上文所述的实施产生的。
那么，如何使用opencv将yolo网络从python迁移到c++呢？
我还试图直接从.pbtxt
浏览 0提问于2019-07-01得票数 2
1回答
输入张量rnn_pv为(?, 48, 1)形状。我想缩放这个张量中的每个元素，所以我尝试使用Lambda层，如下所示：
rnn_pv_scale = Lambda(lambda x: 1 if x >=1000 else x/1000.0 )(rnn_pv)
但它带来了一个错误：
TypeError: Using a `tf.Tensor` as a Python `bool` is not allowed. Use `if t is not None:` instead of `if t:` to test if a tensor is defined, and use TensorF
浏览 0提问于2018-11-06得票数 3
回答已采纳
2回答
我正在为pytorch编写一个C++扩展，并使用c++ api来完成此操作。对于我的forward函数，我需要传递一个可选的张量。在函数内部，我想根据是否传递了这个可选参数来做不同的事情。通常，我们对C++中的可选指针参数使用NULL，并在函数内部检查指针是否为NULL。我不知道如何为Torch的c++应用程序接口的at::Tensor类型做这件事。
void xyz_forward(
const at::Tensor xyz1,
const at::Tensor xyz2,
const at::Tensor optional_constraints = somet
浏览 1提问于2019-02-14得票数 2
我试图使用tf.nn.embedding_lookup()，并收到以下警告：
UserWarning: Converting sparse IndexedSlices to a dense Tensor of unknown shape. This may consume a large amount of memory.
我在这个中读到为了避免这个问题，我们应该确保tf.nn.embedding_lookup()的params输入是一个tf.Variable。
但是我传递给tf.nn.embedding_lookup()的已经是一个张量，它是另一个操作的输出，我想我不能用它来初始化tf.Va
浏览 3提问于2019-06-23得票数 1
回答已采纳
我的代码中有一些张量，需要得到这些张量的值。这是其中之一。如何打印张量OA值？
Input:OA
Output: <tf.Tensor 'Sum_1:0' shape=(1, 600) dtype=float32>
Input:type(OA)
Output: tensorflow.python.framework.ops.Tensor
我已经尝试过所有可用的函数，如tf.print()、eval()、tensor.numpy()。在Tensorflow 2.0中，他们都没有为我工作。它们似乎只适用于“EagerTensor”，而不适用于“评论”。
1) OA.e
浏览 3提问于2020-02-21得票数 13
2回答
我正在使用libtorch C++。在python版本中，我们可以很容易地通过调用张量的numpy值来检查张量的值，而在numpy中，我们有np.isnan()。我想知道libtorch C++中是否有内置函数来检查张量是否有任何NAN值？ 谢谢，阿夫辛
浏览 32提问于2019-01-16得票数 2
我想在使用pybind11的C++模块中接收一个包含PyTorch张量的字典，并返回包含C++ torch::Tensor的结果字典。就我所寻找的，似乎没有明确的方法将PyTorch张量转换为C++张量，以及将C++张量转换为PyTorch张量。在最后一次试验中，我尝试将PyObject转换为torch::Tensor，但似乎效果不佳。(https://discuss.pytorch.org/t/is-it-possible-to-get-pyobject-from-a-torch-tensor/85980/2)我想知道它是否正确，是否有任何解决方法。我在下面分享了我的代码片段。 py::d
浏览 36提问于2021-02-03得票数 0
1回答
如何在中创建用于采样的自定义层？
、、、、
我正在Keras构建一个带有Tensorflow后端的CNN，我想介绍一个应该执行以下操作的自定义层：
输出与输入张量相同形状和类型的张量。
输出是由输入张量的几个样本组成的，比如说25%。输出张量的其余部分应该是零。
样本必须随机抽取，，使最高值像素被采样的概率更高的。换句话说，概率分布应该是输入张量本身(归一化)。
现在，我已经成功地构建了一个模型，在这个模型中，我选择了输入张量的前25%像素，并创建了一个只有它们大小相同的输出张量。但这不是随机抽样。
理想情况下，我希望使用tensorflow等效的：np.random.choice(input_tensor, num
浏览 1提问于2019-03-07得票数 2
我正在编写C++/Python混合语言。粘合这两个部分的库支持特征矩阵/数组，但不支持张量。
做这样的事安全吗？
#include <iostream>
#include <Eigen/Eigen>
using namespace Eigen;
template<typename D>
auto f(DenseBase<D>& x, const Index i) {
// x2 is destroyed when the program leaves
// this function.
ArrayWrapper
浏览 1提问于2018-12-10得票数 0
回答已采纳
1回答
我尝试在ForestFires数据集上运行线性回归。数据集可在Kaggle上使用，我的尝试要点如下：
我面临两个问题：
预测输出为32x1，目标数据形状为32。
输入和目标形状不匹配:输入32x1，目标32
利用视图，我重塑了预测张量。
y_pred = y_pred.view(inputs.shape)
为什么预测张量和实际张量的形状不匹配？
火把中的SGD从不汇合。我尝试使用
打印(torch.mean((y_pred-标签)**2)
此值不匹配。
损失=标准(y_pred，标签)
有人能突出指出我代码中的错误在哪里吗？
谢谢。
浏览 0提问于2018-07-30得票数 1
回答已采纳
我正在研究tensorflow中的卷积神经网络，我遇到了一个问题。问题是，我通过tfrecords读取的输入图像包含一定数量的NaN值。这是因为图像表示一个深度图，其中有一些无限值，并且在tfrecord中对其进行编码，然后解码以将其馈送到网络的过程中，这些无限值变成了NaN值。
现在，因为在我的情况下，在tfrecors中编码之前替换原始图像中的无限值是不可行的，有什么方法可以在将图像张量输入到网络之前替换图像张量中的NaN值？
浏览 19提问于2017-02-05得票数 19
1回答
我正在尝试使用加法和挤压/归一化将张量从30,50,32,64重塑为30,50,32,1。当我使用Tensorflow重塑时，我得到以下错误。 o = tf.reshape(o, shape=[30, 50, 32, 1]) ValueError:无法对具有3072000个元素的张量进行整形，以形成输入形状为30,50,32,64，4且输入张量计算为部分形状的‘30,50,32,1 /embedding/ reshape _4’(op：'Reshape')的形状: input1 = 30,50,32,1。 有没有人能建议一下绕过这个问题？
浏览 13提问于2021-04-19得票数 0
回答已采纳
从打印输出来看，它是功能。但根据
操作是TensorFlow图中的一个节点，它以零或多个张量对象作为输入，并生成零或多个张量对象作为输出。类型操作的对象是通过调用Python构造函数(例如tf.matmul)或tf.Graph.create_op来创建的。
它是一个构造函数。所以我认为这是一个类名。但是，打印tf.matmul的返回值表明它是张量，而不是“类型操作的对象”。类张量是从类操作继承来的吗？我试图在tensorflow源代码中找到tf.matmul的定义，但没有得到它。
浏览 17提问于2019-11-15得票数 1
回答已采纳
我试图在C++中编写一个定制的Tensorflow操作程序。此操作应以张量列表作为输入，并修改其内容。我想使用赋值操作的示例，该操作在Tensorflow代码中注册如下：
REGISTER_OP("Assign")
.Input("ref: Ref(T)")
.Input("value: T")
.Output("output_ref: Ref(T)")
.Attr("T: type")
...
作为参考，赋值操作的input(0) (ref)是要赋值的张量，input(1)
浏览 0提问于2019-05-24得票数 1
回答已采纳
如何在蟒蛇中使用科学张量？
我想用parafac分解来分解张量。输入是:一个张量数据-分解输出的秩是:因子矩阵。
浏览 1提问于2016-04-11得票数 1
回答已采纳
我试图编写一块可重用的代码，读取一个张量的形状，然后使用生成的对象来定义其他张量的形状。我可以选择用tf.shape(tensor)读取张量的动态形状，或者用tensor.get_shape()读取张量的静态形状。玩具示例如下(有两种不同的策略)：
def my_function_strategy_1(x, y):
x_shape = tf.shape(x)
a = tf.reshape(y, x_shape)
b = tf.zeros(x_shape)
num_x_values = x_shape[0]
c = tf.reshape(y, [num_x
浏览 1提问于2018-02-28得票数 2
回答已采纳
2回答
我很难理解Tensorflow张量和稀疏张量的含义和用法。
根据文件
张量
张量是一种典型的多维数组.例如，您可以将一小批图像表示为一个四维浮点数字数组，其中包含维度批处理、高度、宽度、通道。
稀疏张量
TensorFlow将稀疏张量表示为三个独立的密集张量:索引、值和形状。在Python中，为了便于使用，三个张量被收集到一个SparseTensor类中。如果有单独的索引、值和形状张量，则在传递到下面的操作之前，将它们包装在SparseTensor对象中。
我的理解是张量用于操作、输入和输出。稀疏张量只是张量(稠密？)的另一种表示。希望有人能进一步解释不同之处，以及他们的用例。
浏览 3提问于2017-12-05得票数 24
回答已采纳
我试图修改简单的，这样它就不会创建一个新的张量作为返回值，但它实际上改变了输入张量并返回它。我知道这是可能的，因为scatter Op正在做同样的事情，但是查看scatter Op源代码，我不知道该怎么做，因为我缺乏C++经验。
#include "tensorflow/core/framework/op.h"
#include "tensorflow/core/framework/shape_inference.h"
using namespace tensorflow;
REGISTER_OP("ZeroOut")
.Input
浏览 11提问于2018-03-03得票数 2
回答已采纳
假设我有一个输入的一维张量，我想得到一维张量中唯一元素的指数。
输入一维张量
[ 1 3 0 0 0 3 5 6 8 9 12 2 5 7 0 11 6 7 0 0]
预期输出
Values: [1, 3, 0, 5, 6, 8, 9, 12, 2, 7, 11]
indices: [0, 1, 2, 6, 7, 8, 9, 10, 11, 13, 15]
，这是我现在的策略。
input = [ 1, 3, 0, 0, 0, 3, 5, 6, 8, 9, 12, 2, 5, 7, 0, 11, 6, 7, 0, 0,]
浏览 2提问于2019-11-21得票数 0
回答已采纳
我有2级-1布尔张量，我需要应用tf.case，根据每个输入向量元素的值，逐个元素给输出张量赋值。我的代码如下：
f1 = lambda: tf.constant(1)
f2 = lambda: tf.constant(2)
f3 = lambda: tf.constant(0)
result = tf.case({c1 : f1, c2 : f2}, default=f3)
其中c1和c2是秩-1张量，输出是相同形状的张量.
浏览 1提问于2020-09-30得票数 0
回答已采纳
对于C++中的PyTorch张量，我尝试做一些类似于0的事情，如果i<1，则。我尝试使用tensor.accessor()，但它似乎要求您事先知道维度。而我想动态地传递它。
有没有什么办法我可以在Pytorch的C++中做这件事？
浏览 1提问于2019-11-14得票数 0
1回答
选择性迭代张量
、、、、
我目前正在构建一个带有Keras的CNN，并且需要定义一个自定义的丢失函数。我只想考虑我的数据在损失中的特定部分，而忽略基于某个参数值的其他部分。但是，我在遍历Keras丢失函数所期望的张量对象时遇到了困难。
是否有一种简单的方法来计算两个张量之间的均方误差，只查看张量？中选定的值。
例如，在我的例子中，每个张量表示一个2D 16x16网格，每个单元有两个参数--形状(16，16，2)。我只想比较其中一个参数等于1的单元格。
浏览 0提问于2017-03-23得票数 0
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
即时通信 IM
实时音视频活动推荐
腾讯云开发者
