是否有类似于SciPy等级数据的TF函数
TensorFlow（TF）是一个开源的机器学习框架，提供了丰富的函数和工具来支持各种机器学习任务。在TF中，虽然没有直接类似于SciPy等级数据的函数，但可以通过一些函数和工具来实现类似的功能。
- TensorFlow Datasets（TFDS）：TFDS是一个用于加载和预处理各种常见数据集的库。它提供了许多标准数据集，如MNIST、CIFAR-10、IMDB等，这些数据集可以直接在TF中使用。TFDS提供了丰富的函数和工具，可以方便地加载、处理和转换数据。
- TensorFlow Transform（TFT）：TFT是一个用于数据预处理和特征工程的库。它提供了一系列函数和工具，可以对数据进行转换、归一化、特征提取等操作。通过使用TFT，可以将原始数据转换为适合机器学习模型训练的格式。
- TensorFlow Probability（TFP）：TFP是一个用于概率建模和推断的库。它提供了许多概率分布、概率模型和推断算法的函数和工具。通过使用TFP，可以进行概率建模、贝叶斯推断等任务。
- TensorFlow Addons（TFA）：TFA是一个用于扩展TF功能的库。它提供了许多额外的函数和工具，可以用于各种机器学习任务。TFA中包含了一些与SciPy类似的函数，如优化算法、图像处理、信号处理等。
这些TF相关的库和工具可以帮助开发者在TF中实现类似于SciPy等级数据的功能。通过使用这些函数和工具，可以方便地处理和转换数据，进行特征工程和概率建模，扩展TF的功能。在实际应用中，可以根据具体的需求选择适合的TF相关库和工具来实现相应的功能。
腾讯云相关产品和产品介绍链接地址：
- TensorFlow：https://cloud.tencent.com/product/tensorflow
- TensorFlow Serving：https://cloud.tencent.com/product/tensorflow-serving
- TensorFlow Lite：https://cloud.tencent.com/product/tensorflow-lite
- TensorFlow on Cloud：https://cloud.tencent.com/product/tensorflow-on-cloud
- TensorFlow Enterprise：https://cloud.tencent.com/product/tensorflow-enterprise
相关·内容
1回答
当以Tensorflow张量为参数调用any /numpy特殊函数时，是否存在性能成本？而不是使用tensorflow.math提供的函数
我之所以问这个问题，是因为有些特殊的功能可以在not上使用，而在Tensorflow (例如scipy.special.erfcx)上则没有。我认为Tensorflow提供了tensorflow.math中的函数，而不是建议直接使用numpy或scipy，因为这样可以加快速度吗？
编辑：注意到我试图使用@tf.function
import scipy.special
import tensorflow as tf
@tf.function
def er
浏览 7提问于2020-01-06得票数 1
我用编写了以下代码。我是python新手。我有一个转移矩阵，我必须绘制它。
我偶然发现了。我尝试如下所示：
from numpy import min, max
from scipy import linspace
from scipy.signal import lti, step, impulse
num00 = [0.0]
den00 = [0.0]
num01 = [-2383.3]
den01 = [1.0,160.3460,-1962.0,-314598.852]
num10 = [1.0]
den10 = [1.0]
num11 = [31.9361,0,111320.0
浏览 0提问于2012-02-21得票数 0
1回答
图像的可逆旋转
、、、
我正在寻找一个在python中的旋转变换，它可以被反转以产生原始图像。到目前为止我正在使用
import skimage.transform as tf
import scipy
im = scipy.misc.ascent()
r1 = tf.rotate(im, 10, mode='wrap')
r2 = tf.rotate(r1, -10, mode='wrap')
如果我使用reflect进行同样的操作，结果如下
是否有可能简单地通过angle旋转一个图像，然后通过-angle将结果旋转回原来的图像？
浏览 6提问于2017-09-08得票数 1
回答已采纳
我有一个包含整数(字数/tf)的稀疏矩阵(术语文档)，我试图为稀疏矩阵中的每一个非零值计算tf。
我使用的tf-以色列国防军公式是：
log(1 + tf) * log(N / (1 + df)) # N is the number of coloumns of the matrix
# tf is the value at a cell of the matrix
# df is the number of non-zero elements in a row
因此，对于矩阵csr，在具有非零值的索引我，j上，我要计算：
csr[i,j] = log(1 + csr[i, j]) * l
浏览 0提问于2014-12-28得票数 2
回答已采纳
编辑：Tensorflow 1.3现在包含此操作的tf.contrib.resampler。PyTorch还通过affine_grid函数支持从v0.2开始的此操作。
我想知道在Tensorflow中是否有相当于cv2.remap(或scipy.ndimage.interpolate.map_coordinates，基本上是相同的)的函数的官方或自定义实现。
类似，但答案不是我想要的，因为tf.contrib.image.transform函数执行投影映射，cv2.remap和scipy...map_coordinates执行像素级映射。
浏览 5提问于2017-06-20得票数 7
我使用scipy.integrate.solve_ivp来解决一个ODE系统，因为它有事件函数。 我需要这个函数的原因是，在积分过程中，有时我会得到一个奇异矩阵，每次发生这种情况时，我都需要完成积分并使用新参数重新启动它。 我想知道在终端事件发生后，是否可以使用新参数重新启动scipy.integrate.solve_ivp，如果可能，我如何做到这一点。 任何帮助都将不胜感激。 这是我当前的脚本，基于https://docs.scipy.org/doc/scipy/reference/generated/scipy.integrate.solve_ivp.html的一个示例 #!/usr/b
浏览 20提问于2019-06-23得票数 1
我在控制系统类中使用SciPy而不是MATLAB来绘制线性时滞系统的阶跃响应。到目前为止，它工作得很好，但我遇到了一个非常具体的系统的问题。使用以下代码：
from numpy import min
from scipy import linspace
from scipy.signal import lti, step
from matplotlib import pyplot as p
# Create an LTI transfer function from coefficients
tf = lti([64], [1, 16, 64])
# Step response (redo
浏览 3提问于2013-04-20得票数 4
回答已采纳
我有一个由SVM-Light格式的稀疏TF-IDF特征矩阵创建的Scipy稀疏CSR矩阵。功能的数量很多，而且很稀疏，所以我必须使用SparseTensor，否则它就太慢了。
例如，特征数为5，示例文件可能如下所示：
0 4:1
1 1:3 3:4
0 5:1
0 2:1
解析后，训练集如下所示：
trainX = <scipy CSR matrix>
trainY = np.array( [0,1,00] )
我有两个重要的问题：
1)如何有效地将其转换为SparseTensor (sp_ids，sp_weights)，以便使用lookup执行快速乘法(W.X)：
2)如何在每个
浏览 1提问于2016-12-01得票数 16
我用两种方法计算Pearson相关性：
在Tensorflow中，我使用以下度量：
tf.contrib.metrics.streaming_pearson_correlation(y_pred, y_true)
当我根据测试数据评估我的网络时，我得到了以下结果：
损失= 0.5289223349094391
皮尔逊= 0.3701728057861328
(损失为mean_squared_error__)
然后，我预测测试数据，并使用Scipy计算相同的度量：
import scipy.stats as measures
per_coef = measures.pearsonr(
浏览 0提问于2018-11-21得票数 12
回答已采纳
1回答
我有一个简单的回归神经网络：
from scipy.spatial.transform import Rotation as R
def nn_model(2):
in = tf.keras.layers.Input(shape=[80, 80, 3])
x = tf.keras.layers.Dense(64, activation='relu')(in)
x = tf.keras.layers.Dense(64, activation='relu')(x)
out = tf.keras.layers.Dense(1, activatio
浏览 1提问于2021-06-16得票数 0
回答已采纳
1回答
我正在建立一个基于音频的深度学习模型。作为预处理的一部分，我想在我的数据集中增加音频。我想做的一个增强是应用RIR (房间脉冲响应)函数。我正在和Python 3.9.5和TensorFlow 2.8一起工作。
在Python中，标准的方法是，如果RIR作为n个抽头的有限脉冲响应(FIR)，则使用。
import numpy as np
from scipy import signal
import soundfile as sf
h = np.load("rir.npy")
x, fs = sf.read("audio.wav")
y = signal.l
浏览 9提问于2022-04-11得票数 6
回答已采纳
我现在试图在不平衡的数据集上使用tf.losses.sigmoid_cross_entropy。但是，我对参数权重有点困惑。以下是文件中的评论：
权重:可选的张量，其等级为0，或与标签的等级相同，并且必须可向标签广播(即所有尺寸必须为1，或与相应的损失维相同)。
我知道在tf.losses.softmax_cross_entropy中，参数权重可以是一个秩1的张量，每个样本都有权。为什么tf.losses.sigmoid_cross_entropy中的权重必须与标签具有相同的等级？
有人能回答我吗？最好举个例子。
浏览 0提问于2018-02-08得票数 0
我已经提到了这个问题，但我不太明白Mr.mrry提供的第二个方法。
基本上，我试图使用tf在图像上内置的图像转换方法。我遇到标题中提供的错误。另外，我是否需要继续为每次迭代创建一个新会话？目前，这个过程有点慢，不知道如何加快速度。
import tensorflow as tf
import os
from scipy.ndimage import imread
from scipy.misc import imresize, imshow
import matplotlib.pyplot as plt
for fish in Fishes:
fish_images = os.l
浏览 4提问于2017-10-18得票数 0
回答已采纳
我正在尝试用TensorFlow训练一个模型。在我的代码中有一个瓶颈，这使得我的张量流优化崩溃。我发现这很可能与代码中的一个部分有关，其中我有一个循环：
下面是一个最低限度的工作示例：
import numpy as np
import tensorflow as tf
import scipy.optimize
kon = 0.01
mu = 1.5
fi = 0.5
kappa = 22
w = (1-theta)
n =100
xs = tf.random.normal(shape=(n,), stddev=0.2)
eps = tf.random.normal(shap
浏览 5提问于2020-04-19得票数 0
我处理的数据非常嘈杂，偶尔会出现异常值，所以我主要依靠相关性来衡量我的神经网络的准确性。
是否可以明确地使用等级相关( Spearman相关系数)作为我的成本函数？到目前为止，我主要依靠MSE作为相关的代理。
我现在有三大绊脚石：
1)小批次的排名概念变得更加模糊。
2)如何动态地进行排名？TensorFlow是否没有梯度误差/无法跟踪权重/偏差的变化如何影响成本？
3)如何确定运行时所查看的张量的大小？
例如，如果我只使用关联，下面的代码就是我想要做的。实际上，长度需要传入，而不是在运行时确定。
length = tf.shape(x)[1] ## Example code. This li
浏览 2提问于2016-07-20得票数 5
import tensorflow as tf
import pymatlab as mat
import numpy as np
import matplotlib.pyplot as plt
import scipy.io
mat=scipy.io.loadmat('ex8_movies.mat')
Y=mat['Y']
R=mat['R']
plt.interactive(False)
#plt.plot(Y)
#plt.show()
print(Y[R==1])
#print(Y[R==0])
r=tf.constant(R,dt
浏览 2提问于2017-07-10得票数 1
回答已采纳
我正在学习scikit学习执行某些分类。我正在根据我的数据集遵循教程。当我运行脚本时，我得到一个类型错误
data = pd.DataFrame({'Description': pd.Categorical(["apple", "table", "red"]), 'Labels' : pd.Categorical(["Fruit","Furniture","Color"])})
counts = CountVectorizer().fit_transform(dat
浏览 2提问于2015-09-17得票数 2
问题确实在标题中，我正在寻找一个在scipy/ Numpy /etc中(不是TensorFlow)的方法，它封装了tf.tensor_scatter_nd_add中描述的行为，但在块数组上而不是张量上。 我遇到过scipy.ndimage.sum方法，但无法让它重现我在下面给出的示例。 您认为合适的方法必须能够重现TF文档中提供的rank-3示例： indices = tf.constant([[0], [2]])
updates = tf.constant([[[5, 5, 5, 5], [6, 6, 6, 6],
[
浏览 23提问于2021-01-15得票数 0
回答已采纳
1回答
预聚合数据的正态性检验
、、、、
使用spark I聚合每个组(队列)的数据，以仅包含平均值、标准差和方差。 现在，在使用python的第二步中，我想测试正态性(https://docs.scipy.org/doc/scipy/reference/generated/scipy.stats.normaltest.html)，然后使用t-测试stats.ttest_ind或stats.wilcoxon等级测试进行显著性测试。 然而，所有这些方法都希望数据以面向记录的原始值的形式输入。如何将它们与预聚合的数据一起使用？
浏览 21提问于2019-09-06得票数 0
回答已采纳
Tensorflow中是否有convolution方法将Sobel滤波器应用于图像img ( float32型张量和等级2)？
sobel_x = tf.constant([[-1, 0, 1], [-2, 0, 2], [-1, 0, 1]], 'float32')
result = tf.convolution(img, sobel_x) # <== TO DO THIS
我已经看过tf.nn.conv2d了，但是我看不出如何将它用于这个操作。有什么办法用tf.nn.conv2d来解决我的问题吗？
浏览 9提问于2016-02-22得票数 5
回答已采纳
作为一名物理学家，我的测量数据几乎总是有x和y误差。我可以使用gnuplot或PythonPython语言中的scipy.optimize.curve_fit将像a x^2 \exp(-b x^2)这样的函数适合它。我在两个程序中得到的a和b的拟合误差只给出了拟合的等级，而不是a和b的实际误差。
因此，虽然我有一个协方差矩阵，但当我将y-errors加倍时，它不会改变。在实验手册中，它展示了如何进行加权线性拟合并正确给出误差。
除了与y-error一起称重之外，是否还有其他软件包可供选择？我可以使用自己的公式，实现手册中的公式，并将所有数据转换为线性拟合。但是有没有更简单的方法呢？
浏览 6提问于2013-04-30得票数 2
回答已采纳
2回答
在a1、a2、a3 (其长度相等)中有3个具有类似浮点值的列表。
for i in length(a1,a2,a3):
Find the increasing / decreasing order of a1[i], a2[i], a3[i]
Rank the values based on the order
是否有一种简单/有效的方法来做到这一点？而不是写一些如果-否则的语句？
我正在计算Python中的Friedman测试等级。虽然有一个scipy.stats.friedmanchisquare函数，但它没有返回弗里德曼检验的等级
编辑
我在中有这样的数据。
a1有第一周
浏览 10提问于2017-06-14得票数 0
回答已采纳
我正在构建DNN来预测对象是否存在于图像中。我的网络有两个隐藏层，最后一个层如下所示：
# Output layer
W_fc2 = weight_variable([2048, 1])
b_fc2 = bias_variable([1])
y = tf.matmul(h_fc1, W_fc2) + b_fc2
然后我有标签的占位符：
y_ = tf.placeholder(tf.float32, [None, 1], 'Output')
我分批进行训练(因此输出层形状中的第一个参数为None)。
我使用以下损失函数：
cross_entropy = tf.n
浏览 1提问于2016-10-31得票数 11
我在本地有一个非常庞大的图像数据库，数据分布就像每个文件夹包含一个类的图像。 我想使用tensorflow dataset API来获取批量数据，而无需将所有图像加载到内存中。 我尝试过这样的东西： def _parse_function(filename, label):
image_string = tf.read_file(filename, "file_reader")
image_decoded = tf.image.decode_jpeg(image_string, channels=3)
image = tf.cast(image_dec
浏览 19提问于2019-02-08得票数 2
回答已采纳
对于tf.image.decode_jpeg()图像，Tensorflow的scipy.misc.imread()函数给出了与scipy.misc.imread()不同的数值结果。虽然图像看起来很相似，但像素值是不同的。
import numpy as np
import scipy
import tensorflow as tf
import matplotlib.pyplot as plt
def minimal_example():
def _bytes_feature(value):
return tf.train.Feature(bytes_list=tf.t
浏览 2提问于2017-07-19得票数 0
回答已采纳
我想用scipy.signal.lti和scipy.signal.impulse函数来计算传递函数。我通过以下方式导入scipy模块。
import scipy as sp
import numpy as np
import matplotlib.pyplot as plt
from math import *
但是，当我键入以下脚本时，
tf = sp.signal.lti(numH, denH)
内核给出一个错误：
---> 10 tf = sp.signal.lti(numH, denH)
AttributeError: 'module' object has no
浏览 5提问于2015-10-28得票数 5
我想在Tensorflow/Keras中使用scipy.signal.fftconvolve，有什么办法吗？
现在，我正在使用以下代码：
window = np.tile(window, (1, 1, 1, 3))
tf.nn.conv2d(img1, window, strides=[1,1,1,1], padding='VALID')
这些行是否相当于：
signal.fftconvolve(img1, window, mode='valid')
浏览 3提问于2017-11-13得票数 2
回答已采纳
下面的代码(修改后的tensorflow示例)产生错误“所有输入张量必须具有相同的等级。”tf.linalg.LinearOperatorTridiag的多项运算也给出了类似的误差。我需要在Keras层中将输入乘以三对角矩阵，由于该层输入中的额外批量维度，张量的等级会有所不同。有什么已知的实际解决方案吗？
import tensorflow as tf
superdiag = tf.constant([-1, -1, 0], dtype=tf.float64)
maindiag = tf.constant([2, 2, 2], dtype=tf.float64)
subdiag = tf.c
浏览 7提问于2020-05-13得票数 0
错误：
ValueError:形状的等级必须为2，但对于输入形状为6、6的“”MatMul“”(op：“”MatMul“”)，等级为1。“
import tensorflow as tf
with tf.device('/gpu:1'):
a = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], name='a')
b = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], name='b')
c = tf.matmul(a, b)
sess =
浏览 48提问于2019-02-15得票数 1
通过这种方式可以读取密集数据：
# tf - tensorflow, np - numpy, sess - session
m = np.ones((2, 3))
placeholder = tf.placeholder(tf.int32, shape=m.shape)
sess.run(placeholder, feed_dict={placeholder: m})
如何将枕稀疏矩阵(例如scipy.sparse.csr_matrix)读入tf.placeholder或tf.sparse_placeholder？
浏览 1提问于2017-05-11得票数 1
1回答
我想用tensorflow计算一些值的自相关。我可以用scipy / numpy来计算，但我还没有搞清楚，如果用tensorflow可以的话。
我想要的是：
import tensorflow as tf
from scipy import signal
import numpy as np
import tensorflow_probability as tfp
import matplotlib.pyplot as plt
test_data = tf.random.normal((100,))
plt.plot(signal.correlate(test_data, test_dat
浏览 4提问于2021-02-05得票数 1
回答已采纳
我使用scipy rankdata来分配等级。我需要颠倒分配的等级，以便最高的数字被赋予1的等级。除了它没有正确处理平局，并返回一个整数而不是浮点数之外，让下面的代码正常工作。我假设它与rankdata中的循环有关，但不确定如何实现这一点。
from scipy.stats import rankdata
arr = np.array([[10, 15, 19, 8, 8]])
rank = rankdata([-1 * i for i in arr]).astype(float)
给定结果：
[3, 2, 1, 4, 4]
预期结果：
[3., 2., 1., 4.5, 4.5]
浏览 0提问于2019-01-09得票数 0
我正在尝试让这个函数接受单个元素张量。 def classi(i):
out = np.zeros((1, 49), np.uint8)
for j in range(len(classcount)):
i -= classcount[j]
if i<0:
break
out[0][j] += 1
return tf.convert_to_tensor(out)
#basically the error seems to be related to the if i<0 line 此函
浏览 25提问于2020-12-16得票数 0
回答已采纳
我正在寻找最好的方法来实现与scipy.linalg.circulant相同的功能 scipy 我可以使用LinearOperatorCirculant，然后调用to_dense()，但是当维度很大时，与scipy.linalg.circulant相比，它的性能非常糟糕。 我也可以在tf.roll中使用多个tf.stack，但必须有更好、更快的方法。 我找不到与scipy.linalg.circulant集成的方法，因为我在tf.Variable上使用此操作。 有谁有主意吗？
浏览 8提问于2020-07-24得票数 1
我想在我的项目中使用来自sklearn.metrics的sklearn.metrics模块。但是，我收到了这个错误消息，我不知道如何解决。
from sklearn.metrics import classification_report
File "C:\ProgramData\Anaconda3\envs\tf\lib\site-packages\sklearn\__init__.py", line 82, in <module>
from .base import clone
File "C:\ProgramData\Anaconda3
浏览 27提问于2022-03-27得票数 -1
回答已采纳
1回答
我目前正在寻找一种方法来构建几个kd树，以便快速查询一些n维数据。但是，我对scipy KD树算法有一些问题
我的数据由id -> {data: somedata, coordinate: x, y}组成
我希望能够根据坐标和k最近邻居的id进行查询，以及获得固定半径neghbour的id。从KDTree和cKDtree的scipy实现来看，这是不可用的。
我的其他选择是编写我自己的KD树，这不会很好，因为我只是我自己，或者...？
浏览 0提问于2013-01-14得票数 7
回答已采纳
是否可以从父模块或兄弟模块访问tf提供程序？
tf
module1
module2
module3
考虑到上面的等级。
1) module2中定义的提供程序能否用于module3？
2) module2中定义的提供程序能否用于module1？
谢谢。
浏览 1提问于2019-08-29得票数 0
回答已采纳
我正在使用tf.data.Dataset来创建我的数据集，并使用keras训练CNN。我需要在图像上应用掩码，并且掩码取决于图像的形状，没有预定义的像素坐标。
在互联网上寻找答案时，我发现在TensorFlow中有两种访问图像形状的方法(在培训时)：
使用急切的执行(在我的情况下，默认情况下不启用，我使用的是tf v12.0)
使用会话
我不想使用急切的执行，因为它减慢了训练速度，而且不能使用会话，因为我使用Keras训练和测试CNN (我使用tf.data.Dataset的迭代器将数据提供给tf.data.Dataset)。
因此，我无法了解图像的形状，因此无法访问特定的像素
浏览 3提问于2020-03-27得票数 2
回答已采纳
我有两组不同的随机分布的实验数据。我必须检查这两个是否来自相同的数据集。我希望在python中使用scipy应用2个示例KS测试。
我不知道如何在ks_2samp函数中同时传递两个数据序列。
scipy.stats.ks_2samp(data1, data2)
谁能解释一下什么是data1和data2？我可以使用序列直接传递我的数据吗？
浏览 2提问于2012-08-17得票数 0
回答已采纳
0回答
与之相关的人，
我是tensorflow的新手。我正在为CNN解决著名的MNIST问题。但是当我不得不重新洗牌x_training数据时，我遇到了困难(这是一个40000，28，28，1形状数据。
我的代码如下：
x_train_final = tf.reshape(x_train_final, [-1, image_width, image_width, 1])
x_train_final = tf.cast(x_train_final, dtype=tf.float32)
perm = np.arange(num_training_example).astype(np.int32)
n
浏览 10提问于2017-11-24得票数 1
回答已采纳
我对TensorFlow的等级和形状概念感到困惑。我已经阅读了的详细信息，并运行了一些代码来澄清我对它们的概念。但我仍然很困惑，需要帮助去理解。
x = tf.placeholder(tf.float32, shape=[2, 12])
print(x.get_shape()) # ==> (2, 12)
print(x[0, :].get_shape()) # ==> (12,)
print(x[1, :].get_shape()) # ==> (12,)
print(x[2, :].get_shape()) # ==> (12,)
print(x[120, :
浏览 0提问于2016-11-29得票数 5
回答已采纳
如何准备数据以输入到tensorflow模型(例如keras序列模型)？
我知道如何使用numpy和y_train，x_test和y_test (最终是熊猫，sklearn风格)来准备train/test数据来训练和测试数据以训练神经模型，x/y代表一个2D稀疏矩阵和一个一维numpy数组，它们表示与x数据中的raws数相同的整数标签。
到目前为止，我还在与做斗争，没有很多见解.
到目前为止，我只能使用以下方法将scipy.sparse矩阵转换为
import numpy as np
import tensorflow as tf
from scipy import sparse as sp
浏览 25提问于2022-04-21得票数 1
回答已采纳
注意:我使用的是TF 2.1.0和tf.keras接口。我在0.18和0.19.2之间的所有Horovod版本中都遇到过以下问题。
我们是应该在从tf.keras h5检查点恢复时在所有级别上调用hvd.load_model()，还是应该只在级别0上调用它，并让BroadcastGlobalVariablesCallback回调与其他工作程序共享这些权重？方法1是否不正确/无效，因为它会搞乱训练或产生与方法2不同的结果？
我目前正在使用一些BatchNorm层训练一个基于ResNet的模型，如果我们只尝试在第一级加载模型(并在其他级上构建/编译模型)，我们就会遇到停滞的张量问题()。然而，如果
浏览 10提问于2020-05-20得票数 2
我有一个类可以帮助实例化统计模型。它的一些数据成员是参数。我正在尝试编写一个优化这些参数的方法。目标函数基于似然函数的负值。该似然函数本身被实现为类方法，它在计算中使用类数据成员的值。
我知道这是不好的风格，但是每次目标函数被scipy.optimize.minimize()调用时，它都会将对象数据成员更改为更好的对象数据成员。我不太关心为什么这是坏的，而更关心的是为什么这是行不通的。代码下面是完整的回溯。
它似乎部分起作用了。它在测试数据上运行几秒钟，然后触发我的断言。当minimize()的优化接近尾声时，它似乎做了一些奇怪的事情。为什么它会试图将不同类型的参数传递给目标函数obj_fun
浏览 0提问于2015-04-25得票数 0
回答已采纳
1回答
我在使这个自定义丢失函数(它检查y_pred数据是否与y_true提供的实际排序索引一致)方面存在一些问题：
def custom_objective(y_true, y_pred):
y_true = tf.cast(y_true, tf.float32)
ordered_output = tf.cast(tf.nn.top_k(-y_pred, k=5)[1], tf.float32)
return tf.sqrt(tf.reduce_mean(tf.square(ordered_output - y_true), axis=-1))
我可以使用示例数据正确地运行它
浏览 4提问于2017-02-28得票数 3
我想知道是否有任何方法可以在图中使用更新的权重重新计算梯度，或者是否有更好的方法来做到这一点。例如，为了估计hessian范数，我们需要计算
delta ~ N(0, I)
hessian_norm = 1/M \sum_{1}^{M} gradient(f(x+delta))- gradient(f(x-delta))/(2*delta)
我们需要对x+delta进行梯度取值。目前，如果我们直接在var+delta上使用tf.gradient，我们会得到None类型。
更具体地说，如果我们定义
a = tf.Variable
b = some_function(a)
grad = tf.gr
浏览 0提问于2017-10-11得票数 1
1回答
我有一个网站元描述列表(128 k描述；每一个与avg。，并试图建立一个相似的等级(如:显示给我5个最相似的网站，这个网站元描述)。
与TF和bigram的效果非常好，我认为我还可以通过添加预先训练过的单词嵌入(确切地说，是spacy "en_core_web_lg“)来对其进行改进。情节扭曲:它根本不工作在上。字面上没有得到一个很好的猜测，它突然提出了完全随机的建议。
下面是我的密码。对我哪里可能出错有什么想法吗？我在监督一些非常直观的事情吗？
import numpy as np
from sklearn.feature_extraction.text import TfidfVe
浏览 1提问于2019-02-24得票数 5
回答已采纳
如何计算Spearman和Pearson相关性而不是准确性，例如在下面的代码块中？(有关完整的代码示例，您还可以通过本教程回答：)
总而言之，为了准确起见，我使用：
prediction = tf.nn.sigmoid(logits)
preds = tf.equal(tf.argmax(y, 1), tf.argmax(prediction, 1))
accuracy = tf.reduce_mean(tf.cast(preds, tf.float32))
with tf.Session() as sess:
t_acc= accuracy.eval(feed_dict={X: X_
浏览 24提问于2018-01-11得票数 0
我有一个Pandas，我打算将其数据导出到Tensorflow数据集。这个dataframe有4列，其中2列是字符串列表，其余2列是整数列表。目前，最重要的列是input_ids和attention_mask，它们构成了模型的输入数据。
train_input_ids = train_df["input_ids"].values.tolist()
train_attention_mask = train_df["attention_mask"].values.tolist()
如head()方法所示，这些列存储ints的列表。print(train_df[
浏览 10提问于2021-11-02得票数 0
回答已采纳
我用Tensorflow尝试了卷积神经网络。
但是，形状会导致错误。
第一个是main函数的一部分。
while True:
with mss.mss() as sct:
Game_Scr = np.array(sct.grab(Game_Scr_pos))[:,:,:3]
cv2.imshow('Game_Src', Game_Scr)
cv2.waitKey(0)
Game_Scr = cv2.resize(Game_Scr,
浏览 19提问于2019-08-15得票数 0
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
实时音视频
即时通信 IM活动推荐
腾讯云开发者
