将密集的张量切成粗糙的平坦值
是指将一个高维的张量转换为低维的平坦数组。这个过程可以通过张量的重塑（reshape）操作实现。
张量是一种多维数组，它在深度学习和人工智能领域中广泛应用。然而，有时我们需要将高维的张量转换为一维的数组，以便更好地适应某些任务或模型。
将张量切割成粗糙的平坦值具有以下优势：
- 降低维度：通过将高维张量转换为一维数组，可以减少数据的维度，简化计算和处理过程。
- 减少存储空间：一维数组通常占用的存储空间更小，可以有效地节省内存资源。
- 适应某些算法和模型：某些算法和模型要求输入为一维的数据，因此将张量切割为一维数组可以更好地适应这些算法和模型的要求。
应用场景：
- 图像处理：在计算机视觉任务中，将图像的像素值转换为一维数组是常见的预处理步骤。
- 自然语言处理：将文本数据转换为一维数组可以方便地应用于文本分类、情感分析等任务。
- 特征提取：某些机器学习模型需要将输入数据表示为一维特征向量，因此将张量切割成粗糙的平坦值是特征提取的一部分。
腾讯云相关产品推荐： 腾讯云提供了多种云计算相关产品，以下是其中一些产品的介绍链接：
- 云服务器（ECS）：腾讯云的弹性云服务器产品，提供可弹性扩展的云主机实例，满足各种计算需求。链接：https://cloud.tencent.com/product/cvm
- 对象存储（COS）：腾讯云的分布式文件存储服务，提供安全、高可靠、低延迟的对象存储服务。链接：https://cloud.tencent.com/product/cos
- 人工智能平台（AI Lab）：腾讯云的人工智能开发平台，提供了多种人工智能服务和工具，包括自然语言处理、图像识别、语音识别等。链接：https://cloud.tencent.com/product/ailab
- 云数据库MySQL版（TencentDB for MySQL）：腾讯云的云数据库产品，提供高可用、可扩展的MySQL数据库服务。链接：https://cloud.tencent.com/product/cdb_mysql
- 云原生应用管理平台（TKE）：腾讯云的容器服务平台，支持容器化应用的部署、管理和扩展。链接：https://cloud.tencent.com/product/tke
请注意，以上只是腾讯云的一些产品推荐，其他厂商的产品也可以根据具体需求进行选择。
相关·内容
来自https://www.tensorflow.org/api_docs/python/tf/keras/layers/Dense (*备注部分) 对于(batch_size，d0，d1)的输入，为什么每个子张量(1，1，d1)使用相同的(d1，单位)核？ 此外，为什么高维密集层操作被分解为在输入节点的子集上工作，而不是具有从所有d0xd1输入到输出节点的权重？ 如果我遗漏了一些明显的东西，我向您道歉，并感谢您的帮助！
浏览 19提问于2020-07-03得票数 1
回答已采纳
稀疏tensor.shape方法返回一个张量对象，该对象似乎对提取稀疏张量的实际形状没有任何用处，而不是求助于运行函数。
为了阐明我的意思，首先考虑一个稀疏张量：
A= tf.SparseTensor(indices=[0，0，0，1，2，1]，values=1.0+2j，2.0，shape=3，4，2)
a.shape返回：
形状‘tf.Tensor张量_1/形状:0’shape=(3，) dtype=int64
这是没有用的。
现在，考虑一个密集的张量：
A= tf.constant(np.random.normal(0.0，1.0，(4，4)).astype(dtype=np.compl
浏览 3提问于2016-10-27得票数 0
我想与每个人的名字关联一个号码列表。
keys = ["Fritz", "Franz", "Fred"]
values = [[1, 2, 3], [4, 5], [6, 7, 8, 9]]
如果我运行以下命令：
import tensorflow as tf
table = tf.lookup.StaticHashTable(tf.lookup.KeyValueTensorInitializer(keys, values), default_value=0)
，我得到一个ValueError: Can't convert non-rec
浏览 2提问于2020-10-06得票数 5
回答已采纳
1回答
不平坦的火把
、、
我需要改变张量的形状，从2，48,196到2，48，14,14。我在这里读到了一个“不平坦”的火把。但我不知道怎么用它。有什么例子吗？
浏览 6提问于2022-10-10得票数 -1
回答已采纳
1回答
我有一个2D密集张量和一个长度向量，它们是我想要选择的每行的前K个元素： x = tf.constant([
[1, 1, 1, 0, 0, 0],
[2, 0, 2, 0, 0, 0],
[1, 1, 0, 0, 0, 0],
[3, 1, 1, 1, 1, 0],
])
seq_len = tf.constant([3, 3, 2, 5]) 期望的输出将是： tf.constant([1, 1, 1, 2, 0, 2, 1, 1, 3, 1, 1, 1, 1]) 我尝试使用密集->粗糙的方法来获得扁平值，但这不起作用： >>> t
浏览 31提问于2020-10-17得票数 2
回答已采纳
我正在努力理解tf.reshape是如何工作的。让我们举一个例子：
embeddings = tf.placeholder(tf.float32, shape=[N0,N1])
M_2D = tf.placeholder(tf.float32, shape=[N0,None])
M_3D = tf.reshape(M_2D, [-1,N0,1])
weighted_embeddings = tf.multiply(embeddings, M_3D)
这里我有一个二维张量M_2D，它的列表示维N1的N0嵌入的系数。我想要创建一个三维张量，其中M_2D的每一列都放在M_3D的第一个维度中，并且列保
浏览 0提问于2018-08-06得票数 1
回答已采纳
2回答
广播和级联粗糙张量
、、、、
我有一个粗糙的张量维数[BATCH_SIZE, TIME_STEPS, EMBEDDING_DIM]。我想用另一个形状[BATCH_SIZE, AUG_DIM]张量的数据来增加最后一个轴。给定示例的每个时间步骤都会以相同的值进行扩展。
如果每个例子的张量都不是变化的TIME_STEPS，我可以简单地用tf.repeat重新构造第二个张量，然后使用tf.concat
import tensorflow as tf
# create data
# shape: [BATCH_SIZE, TIME_STEPS, EMBEDDING_DIM]
emb = tf.constant([[[1, 2,
浏览 4提问于2021-03-12得票数 7
回答已采纳
张量形状为批量、高度、宽度、沟道。让我们把张量取为8，64，64，1，我怎么能把它切成8，56，56，1呢？请注意，功能56*56是从64*64取来的。
浏览 5提问于2017-05-16得票数 1
我试图根据另外两个张量的内容组装一个张量，如下所示：
我有一个叫A的二维张量，它的形状为I* J，另一个叫B的二维张量，它的形状为M* N，其元素是A的第一维的指数，我想得到一个具有M*N*J形状的三维张量C，使得[0，M)中的所有m和[0，N]中的所有m都有C[m,n,:] == A[B[m,n],:]。
我可以使用嵌套的for-循环来迭代M和N中的所有索引，在每个索引上分配正确的值给C，但是M和N很大，所以速度很慢。我怀疑有一些更好的，更快的方法来做这件事，使用聪明的切片或内置的pytorch函数，但我不知道它会是什么。它看起来有点像使用torch.gather()的地方，但这需要所有张量
浏览 3提问于2022-01-31得票数 1
回答已采纳
如下所示：
“”“
a = [1.0, 2.0, 3.0]
b = [[a, a, a, a], [a, a, a], [a, a, a, a, a, a, a], [a, a]]
c = tf.ragged.constant(b, dtype=tf.float32)
我得到了一个形状为4的张量: 4，无，无，但我希望是4，无，3，
浏览 2提问于2021-03-29得票数 0
我正在努力更好地理解Keras层。我正在开发一个序列序列模型，在该模型中嵌入一个句子并将其传递给返回序列的LSTM。接下来，我想在句子中的每个时间步长(word)上应用一个密集的层，就像TimeDistributed为像这个例子一样的三维张量所做的工作。
在我的理解中，稠密层只对二维张量起作用，而TimeDistributed只是在三维的每个时间步骤上应用相同的密度。那么，一个人不可以简单地平缓时间步骤，应用一个密集的层，并执行一次整形以获得相同的结果，还是这些在某种程度上不等同于我所错过的？
浏览 2提问于2018-12-07得票数 6
回答已采纳
假设我有一个嵌入张量：
emb = [[1,1],
[2,2],
[3,3],
[4,4]]
emb = tf.constant(emb)
我有一个序列列表：
inputs = [[0,1,2,3]
[3,2]]
我想查找emb和pad零，使每个序列具有相同的长度：
[[[1, 1],
[2, 2],
[3, 3],
[4, 4]],
[[4, 4],
[3, 3],
[0, 0],
[0, 0]]]
我尝试了tf.nn.embedding_lookup，但得到了一个错误：
浏览 2提问于2016-12-01得票数 2
回答已采纳
我想将一个稀疏张量乘以一个密集张量，但在一批中这样做。
例如，我有一个稀疏张量，其对应的密集形状为( 20 ,65536,65536)，其中20是批量大小。我想将批中的每个(65536,65536)与具有密集表示的张量形状(20,65536)中的相应(65536x1)相乘。tf.sparse_tensor_dense_matmul只接受秩2稀疏张量。有没有一种方法可以在批处理上执行此操作？
如果可能的话，我希望避免由于内存限制而将稀疏矩阵转换为密集矩阵。
浏览 17提问于2018-02-09得票数 5
尝试遵循的教程，以便使用预先存在的单词嵌入为少量训练数据训练模型。
我遇到的问题是，当我尝试运行1D Convnet时，我得到错误：
Input 0 is incompatible with layer flatten_11: expected min_ndim=3, found ndim=2
我的张量的维度是：
数据张量形状：(91,1000)标签张量形状：(91，3)
问题出在这部分代码中：
sequence_input = Input(shape=(MAX_SEQUENCE_LENGTH,), dtype='int32')
embedded_sequences =
浏览 20提问于2018-07-24得票数 1
回答已采纳
1回答
这个问题与这个问题类似：
除了，我想预先给这个张量加上初始值。考虑到粗糙的张量：
[[1],
[4, 2],
[1, 2, 3]]
我预计产出如下：
[[1 1 1],
[4 4 2],
[1 2 3]]
我想把这个解应用到一个更大的粗糙张量上。
浏览 6提问于2022-09-29得票数 2
回答已采纳
我想要将一个形状为[n, n, k]的密集张量与一个形状为[n, n, 1]的稀疏张量进行元素相乘。我希望稀疏张量的值沿着轴以s的大小重复，就像我使用密集张量并依赖隐式广播一样。
但是，SparseTensor.__mul__操作不支持广播稀疏操作数。我没有找到一个运算符来显式地广播稀疏张量。我怎样才能做到这一点呢？
浏览 6提问于2019-08-06得票数 2
回答已采纳
我正在尝试实现一个Lambda层，它将产生一个自定义的丢失函数。在该层中，我需要能够将批处理中的每个元素与批处理中的每个其他元素进行比较，以便计算成本。理想情况下，我想要的代码如下所示：
for el_1 in zip(y_pred, y_true):
for el_2 in zip(y_pred, y_true):
if el_1[1] == el_2[1]:
# Perform a calculation
else:
# Perform a different calculation
当我这么说的时候，
浏览 2提问于2017-03-24得票数 3
回答已采纳
我在tensorflow中有两个张量，一个是稀疏张量，称为A，另一个是张量，称为B。我想计算A和B之间的平方误差。
当我表演的时候：
import tensorflow as tf
tf.reduce_sum(tf.square( B - A))
然后我收到一个错误，说：
TypeError: Expected float32 passed to parameter 'y' of op 'Sub', got <tensorflow.python.framework.sparse_tensor.SparseTensor object at 0x7f42a10
浏览 5提问于2017-07-11得票数 1
回答已采纳
1回答
return tf.sets.intersection(set_1,set_2)
我收到以下错误消息：
return ops.EagerTensor(value, ctx.device_name, dtype)
ValueError: TypeError: object of type 'RaggedTensor' has no len()
我的set_1和set_2的类型如下
> set_1-> <tf.RaggedTensor [[0.1733333319425583, 0.2866666615009308,
> 1.566666722297
浏览 4提问于2020-06-19得票数 1
1回答
我正在用CNN实现一个文本分类器，类似于使用Tensorflow的。Tensorflow提供了tf.nn.embedding_lookup_sparse，它允许您以稀疏张量的形式提供单词ID。这是很好的，特别是对于启用可变长度序列。但是，该函数在查找后需要一个“组合”步骤，例如“平均”或“和”。这迫使它回到致密张量空间。我不想做任何组合。我想把我的向量保持在稀疏表示中，这样以后我就可以做其他的卷积了。这在TF中有可能吗？
编辑:我想避免在嵌入查找之前填充输入。这是因为Tensorflow的嵌入查找为pad值生成向量，并且它是试图用零掩蔽它的一个传说。
浏览 2提问于2018-11-07得票数 2
Tensorflow具有稀疏到密集矩阵乘法的实现tf.sparse_tensor_dense_matmul，但它是否具有稀疏到密集的元素乘法(两个张量具有相同的形状)？我希望避免将稀疏张量转换为密集张量，因为它不适合内存。
浏览 6提问于2017-08-03得票数 1
1回答
我试图使用kerras构建一个模型，但由于某种原因，我收到了一个ValueError: Error when checking target: expected activation_5 to have 4 dimensions, but got array with shape (50000, 10)错误。我最近改变了模型参数，所以我认为这与此有关，但我不明白到底是什么。在我改变模型之前，一切都成功了
这是代码
from keras.models import Sequential, load_model
from keras.layers import Dense, Dropout, Fl
浏览 0提问于2020-03-10得票数 0
回答已采纳
我正在尝试使用模型外部的tensorflow.keras.layers.Flatten层来展平4x4张量。我搞不懂为什么Flatten层实际上没有使我的数组扁平化。 下面是我的代码： import tensorflow as tf
import numpy as np
flayer = tf.keras.layers.Flatten()
X = tf.constant(np.random.random((4,4)),dtype=tf.float32)
Xf = flatten_layer(X)
print(Xf) 和print(Xf)展示 tf.Tensor(
[[0.9866459 0
浏览 6提问于2020-12-23得票数 0
回答已采纳
1回答
我刚接触到tensorflow，我正在尝试连接两个不同形状的张量。张量有形状：
>>> a
# <tf.Tensor: id=38, shape=(30000, 943, 1), dtype=float64
>>> b
<tf.Tensor: id=2, shape=(30000, 260, 1), dtype=float64
能否在axis=0上将它们连在一起，得到形状为(60000，?，1)的张量？在连接之前，我试着把它们转换成粗糙的张量：
a2 = tf.ragged.constant(a)
b2 = tf.ragged.constant
浏览 8提问于2022-07-19得票数 3
回答已采纳
我正在尝试用以下方式组合张量： a = [0, 0, 1, 1, 1, 2]
b = [[1, 2], [3, 4],
[5, 6], [7, 8], [9, 10],
[11, 12]] 输出： c = [[[1, 2], [3, 4]],
[[5, 6], [7, 8] ,[9, 10]],
[[11, 12]]] 所以本质上a是张量b在第二维的指数。 形状如下： a = (?,) #(6) in this example
b = (?, 2) #(6, 2) in this example
c = (?, ?, 2) #(batch_si
浏览 9提问于2020-09-23得票数 0
1回答
给定一个一维张量：
A = torch.tensor([1, 2, 3, 4])
假设我们有一些“索引器张量”
ind1 = torch.tensor([3, 0, 1])
ind2 = torch.tensor([[3, 0], [1, 2]])
当我们运行A[ind1] & A[ind2]时
结果表明，tensor([4, 1, 2]) & tensor([[4, 1],[2, 3]])与索引张量(ind1和ind2)的形状相同，其值由张量A映射而来。
我想问如何在高维张量上索引
目前我有一个解决方案
对于IND张量A，假设我们有索引器张量IND，IND类似于[[i11,
浏览 2提问于2022-02-05得票数 0
回答已采纳
1回答
有没有一种方法可以索引稀疏张量的单元/部分，就像在密集张量的情况下？
# dens_tensor.shape = [10, 10, 10]
dense_cell = dense_tensor[0,0,1]
如果没有，是否有人知道索引稀疏张量的变通方法？
浏览 0提问于2016-12-16得票数 2
我在寻找模型中的数据泄漏。我在进行掩蔽操作之前使用了tf.layers.dense，并且担心模型可能只是学习在输入张量的中间维中转换位置。
当我有一个输入张量x = tf.ones((2,3,4))时，tf.layers.dense(x,8)会把x压平到一个有2*3*4=24输入神经元和2*3*8=48输出神经元的完全连接层上，然后再将其重塑为[2,3,8]，还是会创建有4个输入和8个输出神经元的2*3=6完全连接层，然后将它们连接起来？
浏览 0提问于2018-10-18得票数 3
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
在一个tensorflowjs项目中使用Angular7，我在访问tensor2d对象的数值时遇到了困难。
的确：
let tensor2d = tf.tensor2d( [[1,2],[3,4]])
let tensor2d_array = tensor2d.dataSync()
将给出一个形状为Array的(4,)对象，而不是我想要的(2,2,)。
我怎样才能保持形状并得到张量的数组。(手工整形并非在所有情况下都可行，因为在此项目中，我无法访问js矩阵库。)
浏览 0提问于2019-01-15得票数 2
回答已采纳
我正在设计一个嵌入层，其中词汇量为4000，大多数训练示例的长度都小于10。然而，有些示例的长度为100，甚至可能是几百，为了保持所有示例的输入长度不变，我希望避免将每一个示例填充到长度100+中。
为了弥补这个问题，我只想根据批处理中的最大长度来填充，这样几乎所有的批次都只有输入长度~10，只有几个批次有大量的填充。如何在每批输入长度不同的批中加载到嵌入层？
浏览 1提问于2019-03-10得票数 2
我正在尝试Tensorflow 2.0 alpha预览并测试急切的执行。我怀疑的是，如果在中间有一个可变大小的numpy数组，比如
input.shape
(10,)
input[0].shape
(109, 16)
input[1].shape
(266, 16)
等等，对于数组的其余部分，如何急切地将它们转换为张量。
当我尝试
tf.convert_to_tensor(input)
或
tf.Variable(input)
我得到了
ValueError:未能将numpy ndarray转换为张量(无法以字节形式获取元素。)
转换每个子数组可以工作，但是由于子数组大小不一样，所
浏览 0提问于2019-03-21得票数 5
回答已采纳
1回答
我想将2x2张量调整为4x4张量，但将新值设置为零。
[[1,2],
[3,4]]
变成了
[[1,0,2,0],
[0,0,0,0],
[3,0,4,0],
[0,0,0,0]]
我找不到一个合适的方法来做这件事。
浏览 2提问于2018-02-01得票数 0
回答已采纳
在tensorflow中，layers.dense(输入，单位，激活)实现了一个具有任意激活功能的多层感知器层。
输出=激活(matmul(输入，权重)+偏差)
通常输入具有shape=batch_size和input_size，可能如下所示：(单位= 128和激活= tf.nn.relu是任意选择的)
inputx = tf.placeholder(float, shape=[batch_size, input_size])
dense_layer = tf.layers.dense(inputx, 128, tf.nn.relu)
我还没有找到任何关于如果我输入更高维的输入会发生什么的文档
浏览 1提问于2018-09-10得票数 8
1回答
我有一个张量，我想根据分段来计算中值。使用tf.math.分部_ max / sum /均很容易完成段最大值、和、平均值等操作，但是如果我想要段中位数，我该如何做呢？
x = tf.constant([[0.1, 0.2, 0.4, 0.5],
[0.1, 0.8, 0.2, 0.6],
[0.1, 0.2, 0.4, 0.5],
[0.3, 0.1, 0.2, 0.9],
[0.1, 0.1, 0.6, 0.5]])
result = tf.math.se
浏览 3提问于2022-10-30得票数 0
3回答
当我浏览pytorch文档时，我在许多函数中遇到了术语layout = torch.strided。有没有人能帮助我理解它是在哪里使用的以及如何使用的。描述说这是返回张量的理想布局。布局是什么意思?布局有多少种类型？
torch.rand(*sizes, out=None, dtype=None, layout=torch.strided, device=None, requires_grad=False)
浏览 1提问于2019-06-19得票数 12
我有一个稀疏张量(张量是使用tf.Transform对一个分类值生成的)，我使用以下命令将其转换为密集表示
bow_indecies = tf.sparse_tensor_to_dense(sparse_bow_indecies, default_value=0)
这导致了大小为batch_size x max_seq_length的矩阵。该数组如下所示
[[ 597 1157 60 0 0 0]
[ 939 1212 169 10 0 0]
[ 242 719 215 520 57 6]]
为了看起来像这样，我想将零填充从尾部反转到
浏览 8提问于2018-07-24得票数 0
给定一个3阶张量：
sentence_max_length = 5
batch_size = 3
n_hidden = 10
n_classes = 2
x = tf.constant(np.reshape(np.arange(150),(batch_size,sentence_max_length, n_hidden)), dtype = tf.float32)
和一个秩2张量：
W = tf.constant(np.reshape(np.arange(20), (n_hidden, n_classes)), dtype = tf.float32)
和一个秩1偏差张量：
b = tf.con
浏览 1提问于2017-05-25得票数 5
1回答
我想得到在一维张量中出现不止一次的元素。确切地说，我想创建一个与tf.unique相反的函数。例如，如果是x = [1, 1, 2, 3, 4, 5, 6, 7, 4, 5, 4]，我需要输出为[1,1,4,4,4,5,5]，同时还检索源张量中这些元素的索引。我的最后一个目标是在一个批次中获得标签出现次数超过一次的示例。
浏览 6提问于2015-12-19得票数 2
回答已采纳
1回答
稠密层Keras的三维输入
、、、、
有没有Dense层如何处理3D输入的例子？
文件解释如下：
If the input to the layer has a rank greater than 2, then Dense computes the dot product between the inputs and the kernel along the last axis of the inputs and axis 1 of the kernel (using tf.tensordot).
但我无法理解内部的matrix calculation
例如：
import tensorflow as tf
from tenso
浏览 0提问于2021-04-26得票数 2
回答已采纳
1回答
我正在尝试将论文“从零开始理解文本”的方法应用到不同的数据集中。我很难让我的模特跑起来。
我把我的句子变成了形状的张量
(19579, 140, 69)
我用以下方法对我的目标进行预处理：
lb = sklearn.preprocessing.LabelBinarizer()
lb.fit(authors)
targets = lb.transform(authors)
targets = targets.reshape((targets.shape[0], 1, targets.shape[1]))
作为一种
(19579, 1, 3)
张量
我的模型是：
nb_filter = 256
浏览 0提问于2017-10-30得票数 0
回答已采纳
第一个很抱歉，如果这个问题很难回答的话。我正在训练一个有着不同图像的tensorflow，例如样本中的六朵花。当张量流接收到客厅没有花的图像时，它显示22%是向日葵…。我需要认出花…但是，如果用户显示其他东西，它不是目标…张量流并不表示它是一种具有很大百分比…的花
我不能用高精度来衡量，因为当它收到一朵向日葵时，它说它是一朵3%的向日葵。
如果我必须从头开始训练所有的照片，…主要的问题是，我在哪里可以找到像mobileNetV2这样的图像库，它们已经准备好训练了？如果我找得好，那是不可能的。因此，我的问题如下。是否可以将火车花添加到示例中可用的mobileNetV2中？如果答案是肯定的，你能给
浏览 12提问于2022-02-23得票数 0
回答已采纳
我正在使用tf.estimator API来训练模型。
据我所知，model_fn定义了计算图，它根据mode返回不同的tf.estimator.EstimatorSpec。
在mode==tf.estimator.ModeKeys.TRAIN中，可以指定要在每次训练迭代中调用的train_op，这反过来会改变tf.Variable的trainable实例，以优化特定的损失。
让我们调用optimizer__，和变量，A，和 B__.
为了加速预测和评估，我希望有一个辅助的不可训练的tf.Variable张量tf.Variable完全依赖于已经训练的变量。因此，这个张量的值是可以导出的。此张量
浏览 0提问于2018-05-18得票数 2
回答已采纳
Tensorflow最近发布了粗糙的张量：
但是没有任何文档说明如何将破烂的数据保存为TFRecord，并使用data进行还原。
浏览 0提问于2019-03-09得票数 5
在Keras文档中有几件事我不理解。
它从-limit, limit内部的均匀分布中抽取样本，其中极限为sqrt(6 / (fan_in + fan_out))，其中fan_in为权张量中输入单元的个数，fan_out为权张量中输出单元的个数。
在哪里我可以看到我的模型的fan_in和fan_out？这是我的模型：
Model.add(input_shape=(224,224，3))model.add(稠密(256，激活=‘relu’)) model.add(Dropout(0.5)) model.add(1，激活=‘sigmoid’)
浏览 0提问于2019-01-11得票数 0
回答已采纳
可能重复：
我试图运行一个张量分解，一个巨大的张量维数接近10000 * 300 * 100在matlab中。但是我没有存储张量的内存，更不用说计算分解了。有什么方法可以让matlab在内存不足的时候给我更多的内存？
我有4GB内存。因此，原则上，张量应该可以得到2.4GB(假设张量的每个元素占用8个字节)。有办法这样做吗？
浏览 4提问于2012-10-09得票数 0
1回答
训练不同输入形状的序列模型
、、、、
我有一个预先训练的序列CNN模型，我训练了224x224x3的图像。结构如下：
model = Sequential()
model.add(Conv2D(filters = 64, kernel_size = (5, 5), strides = 1, activation = 'relu', input_shape = (224, 224, 3)))
model.add(MaxPool2D(pool_size = (3, 3)))
model.add(Dropout(0.2))
model.add(Conv2D(filters = 128, kernel_size = (3
浏览 3提问于2021-04-07得票数 1
回答已采纳
1回答
我在用tensorflow 1.15.0。
我试图用sess.run()获得一个keras层的输出值。我确信我有指定的层输入形状，我可以看到一个形状正确的输出张量。但是当我试图得到张量值时，就会出现错误。
以下是代码：
import numpy as np
import tensorflow as tf
from tensorflow import keras
from tensorflow.keras import layers
sess = tf.Session()
layer = layers.Dense(3)
x = tf.ones((1, 4))
y = layer(x)
laye
浏览 0提问于2020-11-09得票数 0
回答已采纳
1回答
需要帮助提升多维火炬张量
、、、
我有几个火炬张量，从一维(例如torch.Size([128])到四维空间(例如torch.Size([256, 128, 3, 3]) ).每个张量代表神经网络中的一个权重。
对于这些张量中的每一个，我需要提升1或2维，例如
torch.Size([128])to torch.Size([256])，torch.Size([256, 128, 3, 3]) to torch.Size([512, 256, 3, 3])，torch.Size([3, 256, 1, 1]) to torch.Size([3, 512, 1, 1]).
我看过torch.nn.Upsample或nn.funct
浏览 1提问于2021-06-01得票数 1
在中，tf.nn.conv2d-operation被描述为：
将滤波器压平成具有形状[filter_height * filter_width * in_channels, output_channels]的二维矩阵.
从输入张量中提取图像块，形成形状[batch, out_height, out_width, filter_height * filter_width * in_channels]的虚拟张量。
对于每个补丁，右乘滤波矩阵和图像补丁向量.
是否只需执行第二步的操作？我在API文档中找不到类似的东西。我可能是用错误的关键字搜索的。
浏览 5提问于2016-05-24得票数 1
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
实时音视频
对象存储
云直播活动推荐
腾讯云开发者
