沿给定索引的维度对张量进行切片
在云计算领域，张量是一种多维数组的数据结构，常用于表示和处理大规模数据集。对于给定索引的维度对张量进行切片是指根据指定的索引值，从张量中提取出特定的子集。
切片操作可以在张量的任意维度上进行，可以通过指定起始索引和结束索引来确定切片的范围。切片操作可以用于获取张量中的特定元素、提取子张量或者修改张量的部分值。
切片操作在数据处理和机器学习等领域中非常常见，可以用于数据预处理、特征选择、数据子集提取等任务。通过对张量进行切片操作，可以方便地获取所需的数据子集，从而进行后续的计算和分析。
在腾讯云的云计算服务中，可以使用腾讯云的AI智能图像处理服务进行张量的切片操作。该服务提供了丰富的图像处理功能，包括图像切割、图像拼接、图像裁剪等，可以满足不同场景下的需求。具体产品介绍和使用方法可以参考腾讯云AI智能图像处理服务的官方文档：腾讯云AI智能图像处理服务
除了腾讯云的AI智能图像处理服务，腾讯云还提供了丰富的云计算产品和服务，包括云服务器、云数据库、云存储等，可以满足不同应用场景下的需求。具体产品和服务的介绍可以参考腾讯云的官方网站：腾讯云
相关·内容
我想用张量
tf.nn.l2_normalize(x, dim, epsilon=1e-12, name=None)
方法分别在(32x32x3) RGB图像中对每个通道进行规范化。
如何设置
dim
参数才能达到这个目的？
浏览 6提问于2017-01-04得票数 1
回答已采纳
2回答
我有个Numpy张量器 X = np.arange(64).reshape((4,4,4)) 我想要获取这个张量的第一维的2,3,4项，你可以这样做， Y = X[[1,2,3],:,:] 这是不是比显式地写出索引1,2,3更简单的方式呢？我尝试了像1，：这样的东西，它给我一个错误。 上下文:对于我的实际应用程序，张量的形状类似于(30000,100,100)。我想抓住这个张量的最后一个(10000,100,100)到(30000,100,100)。
浏览 14提问于2020-10-02得票数 0
回答已采纳
1回答
我有如下所示的火炬张量列表
tensor([[[-1.8510e-01, 1.3181e-01, 3.2903e-01, ..., 1.9867e-01,
5.1037e-03, 6.4071e-03],
[-4.6331e-01, 2.0216e-01, 2.7916e-01, ..., 2.6695e-01,
-1.3543e-02, 5.3604e-02],
[-3.8719e-01, 2.9603e-01, 2.5516e-01, ..., 1.7509e-01,
浏览 1提问于2022-11-03得票数 -1
回答已采纳
1回答
我对如何阅读和理解一行简单的代码感到有点困惑：
我有一个张量input的形状(19,4,64,64,3)。
代码行input[:, None]返回形状(19, 1, 4, 64, 64, 3)的张量。
我该如何理解这句话的行为？None似乎添加了一个尺寸为1的维度，但是为什么在特定的位置( 19到4之间)添加了这个维度呢？
浏览 0提问于2018-10-05得票数 1
回答已采纳
1回答
我有一个来自netCDF文件的对象，具有以下属性：
float32 zeta(time, y, x)
long_name: free surface height
units: meter
unlimited dimensions: time
current shape = (200, 52, 52)
filling off
)
我需要在Python中通过读取每个其他元素来减少这个元素。我试过了
temp = data.variables['zeta']
zeta_pck = temp[::2].copy()
但是它不起作用，因为print zeta_pck.s
浏览 17提问于2017-03-16得票数 0
1回答
我想在Python中自动化下面的操作。给出了一个n维np.array，例如。
ar = np.array([[[ 8, 10],
[ 9, 11],
[10, 12]],
[[ 9, 11],
[10, 12],
[11, 13]]])
包含dim_names中每个维度的名称，例如。
dim_names = ['A','B','C']
选择任何给定维度的所有边缘，例如：
ind = dim
浏览 5提问于2017-05-06得票数 0
回答已采纳
你能直观地解释或者给出更多关于tf.gather_nd的例子，以便在Tensorflow中索引和切片到高维张量吗？
我阅读了，但它非常简洁，我发现自己很难理解函数的概念。
浏览 2提问于2017-03-05得票数 35
2回答
用数组索引火炬张量
、、、、
我有以下火炬张量：
tensor([[-0.2, 0.3],
[-0.5, 0.1],
[-0.4, 0.2]])
和下面的numpy数组：(如果有必要，我可以将它转换为其他的东西)
[1 0 1]
我想得到以下张量：
tensor([0.3, -0.5, 0.2])
也就是说，我希望numpy数组对张量的每个子元素进行索引。最好不用循环。
提前感谢
浏览 7提问于2020-04-19得票数 4
回答已采纳
我想从numpy 2d数组中提取一个指定大小的numpy数组--本质上我想裁剪该数组。例如，如果有一个这样的numpy数组：
([1,2,3],
[4,5,6],
[7,8,9])
我想从中提取一个2x2，结果应该是：
([1,2],
[4,5])
我该怎么做呢？
浏览 2提问于2016-02-28得票数 38
回答已采纳
我需要使用3D张量最后一维的索引来索引4D张量的最后一维。例如，给定以下张量：
X = array([[[[ 0.14127222, 0.37404611, 0.09612721, 0.19907043, 0.84104371,
0.33678107, 0.03965124, 0.16844736, 0.61240914, 0.02107638],
[ 0.46010377, 0.4302605 , 0.95917015, 0.05052149, 0.96033522,
0.6383985 , 0.24895258, 0.787
浏览 1提问于2016-12-20得票数 3
1回答
给定两个2-D pytorch张量：
A = torch.FloatTensor([[1,2],[3,4]])
B = torch.FloatTensor([[0,0],[1,1],[2,2]])
有没有一种有效的方法来计算形状(6，2，2)的张量，其中每个条目是一列A乘以每行B
例如，对于上面的A和B，3D张量应该具有以下矩阵：
[[[0, 0],
[0, 0]],
[[1, 1],
[3, 3]],
[[2, 2],
[6, 6]],
[[0, 0],
[0, 0]],
[[2, 2],
[4, 4]],
[[4, 4],
[8, 8]]]
我知
浏览 2提问于2021-01-19得票数 2
1回答
我想索引到任意形状的张量的最后一个轴，除了最后一个是2。
设x是形状的(1,2,2)。对最后一个轴的索引
x_0 = x[:, :, 0] # x_0, x_1 shapes are (1,2)
x_1 = x[:, :, 1]
例如，x是形状的(1,2,3,4,2)。对最后一个轴的索引
x_0 = x[:, :, :, :, 0] # x_0, x_1 shapes are (1,2,3,4)
x_1 = x[:, :, :, :, 1]
我找不到任何tensorflow函数或用于分割任意形状的用法。
我需要一个通用的索引方法，这样我就可以访问任意形状张量的最后一个轴。
浏览 3提问于2021-07-27得票数 0
回答已采纳
我正在尝试找到一种不使用for循环的方法。 假设我有一个多维张量t0 bs = 4
seq = 10
v = 16
t0 = torch.rand((bs, seq, v)) 它的形状是：torch.Size([4, 10, 16]) 我有另一个张量labels，它是seq维度中的一批5个随机索引： labels = torch.randint(0, seq, size=[bs, sample]) 这是shape torch.Size([4, 5])。用于对t0的seq维度进行索引。 我想做的是循环批量维度，使用labels张量进行聚集。我的暴力解决方案是这样的： t1 = torch.em
浏览 41提问于2021-01-26得票数 0
4回答
对特定维度进行显式切片
、、、
我有一个3D张量x (例如4x4x100)。我想通过显式地选择最后一个维度上的元素来获得它的子集。如果我在最后一个维度上选择相同的元素(例如x[:,:,30:50]，但我想使用2D张量indices指定第三个维度上的idx )，这将很容易。在numpy中有什么简单的方法可以做到这一点吗？
一个更简单的2D示例：
x = [[1,2,3,4,5,6],[10,20,30,40,50,60]]
indices = [1,3]
假设我想从indices指定的点开始，在x的第三个维度上获取两个元素。所以我想要的输出是：
[[2,3],[40,50]]
更新:我认为我可以使用take()和ravel_m
浏览 0提问于2019-04-08得票数 1
1回答
假设我在使用xarray.Dataset加载了一个xarray.open_dataset(..., decode_times=False)对象，打印时如下所示：
<xarray.Dataset>
Dimensions: (bnds: 2, lat: 15, lon: 34, plev: 8, time: 3650)
Coordinates:
* time (time) float64 3.322e+04 3.322e+04 3.322e+04 3.322e+04 ...
* plev (plev) float64 1e+05 8.5e+04 7
浏览 3提问于2017-03-01得票数 2
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
我想知道，最简单的方法是得到矩阵沿每列的平均值，即我的张量只有二维形状(m )。
例如，如果我有一个张量对象
T = torch.FloatTensor([[2.6, 5], [1.7, 6], [3.2, 7], [2.1, 8]])
我想要一些可以返回张量对象的函数，如下所示
([2.4, 6.5])
我知道我可以使用for循环，但我想知道是否有一个PyTorch内置方法可以为我做到这一点，或者有什么更优雅的方法来达到这个目的。
for i in range(T.size(1)):
mean[i] = torch.mean(T[:, i])
谢谢你的帮助。
浏览 5提问于2021-12-28得票数 1
回答已采纳
我在tensorflow中有一个二维张量，
例如，一个2*4张量[1.,2.,3.,4.,2.,4.,5.,6.]。
我有一个函数a()，让张量中的每一行都通过，然后对a()的所有结果求和。怎么做(不是在会话中做)？
输出应该是a(1.,2.,3.,4.) + a(2.,4.,5.,6.)，实际上我有一个非常大的张量，有很多行。
这不同于reduce_sum，因为这里的a()函数相当复杂，不能通过矢量化直接使用。
非常感谢！
浏览 3提问于2018-06-25得票数 2
我很难理解正在做什么。
如果我有：
a = torch.tensor([[4,5,6],[7,8,9],[10,11,12]])
b = torch.tensor([[1,1],[1,2]])
然后
>>> torch.gather(input=a, dim=1, index=b)
tensor([[5, 5],
[8, 9]])
而
>>> torch.gather(input=a, dim=0, index=b)
tensor([[ 7, 8],
[ 7, 11]])
有人能很简单地解释，，这些输出张量是如何构造的吗？
浏览 5提问于2022-06-23得票数 0
回答已采纳
1回答
这是我想做的。我有一个单独的形状数据( 20 , 20 ,20)，其中20个形状张量(1,20,20)将被用作20个单独CNN的输入。这是我到目前为止的密码。
class MyModel(torch.nn.Module):
def __init__(self, ...):
...
self.features = nn.ModuleList([nn.Sequential(
nn.Conv2d(1,10, kernel_size = 3, padding = 1),
nn.ReLU(),
浏览 0提问于2021-04-25得票数 0
回答已采纳
如何在tensorflow中获取矩阵中每一行的最大值和次最大值？例如，我有一个矩阵张量[1,2,3,6,5,4,7,9,8]。然后我想得到每一行的最大值向量，如3,6,9和次要值向量2，4，8。问题可以分为两部分:1.找到值索引2.从矩阵中收集值并形成一个新的向量。
浏览 2提问于2018-07-16得票数 0
1回答
我正在将一个大小为[1,3,224,224]的张量转储到一个文件中，并希望将其拆分为3个大小为[1,1,224,224]的张量，每个[1,1,224,224]通道一个，并将它们转储到3个单独的文件中。我如何实现这一点？
浏览 5提问于2022-04-25得票数 0
我有以下张量 inp = tensor([[[ 0.0000e+00, 5.7100e+02, -6.9846e+00],
[ 0.0000e+00, 4.4070e+03, -7.1008e+00],
[ 0.0000e+00, 3.0300e+02, -7.2226e+00],
[ 0.0000e+00, 6.8000e+01, -7.2777e+00],
[ 1.0000e+00, 5.7100e+02, -6.9846e+00],
[ 1.0000e+00, 4.4070e+03, -7.1008e+00],
[
浏览 15提问于2021-04-01得票数 0
我有两个张量：scores和lists
scores的形状是(x, 8)和lists of (x, 8, 4)。我希望为scores 中的每一行筛选最大值，并从 lists中筛选各自的元素。
以下面的例子为例(为了简单起见，形状维度8简化为2 )：
scores = torch.tensor([[0.5, 0.4], [0.3, 0.8], ...])
lists = torch.tensor([[[0.2, 0.3, 0.1, 0.5],
[0.4, 0.7, 0.8, 0.2]],
[[0.1, 0
浏览 3提问于2022-01-18得票数 3
回答已采纳
1回答
我使用TFLite .a static lib在安卓上集成了TFLite。TFLite支持TfLiteTensor类，不支持张量类。如何在类似tensorflow张量操作的tensorflow lite上使用张量？例如，张量升维、降维和张量切片。谢谢!
浏览 11提问于2021-02-17得票数 0
1回答
我是PyTorch的新手，我想为3D DICOM MRI制作一个分类器。我想使用来自monai库的预先训练过的resnet18，但是我对张量的输入维度感到困惑。在我的数据采集器中，图像的形状是2160,256,256，其中2是batch_size，160是每个病人的dicom图像数，256 x256是图像的维数。当我试图运行模型时，我得到了这样的错误：期望5维权重为64，3，7，7，7，7，7，7，7，7，7，7，7，7，7，7维输入，但是得到了2,160,256,256的4维输入，而不是。
如果我解开张量，然后再把它给我得到的模型：给定groups=1，尺寸64，3，7，7，7，7，7，7，
浏览 1提问于2021-12-14得票数 0
1回答
如何在Deeplearnjs中创建一个图形元素，将h，w，d形状张量转换为d形状的张量，其中每个都是该层的最大值。如果h和w相同，则可以使用maxpool函数完成此操作。如果我的意思是一样的话。平均值可以使用conv2d来实现，但只有在w和h相等的情况下。
我需要一个图表，这样我就可以应用训练。
浏览 9提问于2018-01-08得票数 0
回答已采纳
在pytorch的官方网页上，我看到了以下代码，并给出了答案：
>> a = torch.randn(4, 4)
>> a
0.0692 0.3142 1.2513 -0.5428
0.9288 0.8552 -0.2073 0.6409
1.0695 -0.0101 -2.4507 -1.2230
0.7426 -0.7666 0.4862 -0.6628
torch.FloatTensor of size 4x4]
>>> torch.max(a, 1)
(
1.2513
0.9288
1.0695
0.7426
[torch
浏览 3提问于2017-11-23得票数 0
回答已采纳
例如，如果我有一个二维张量X，我可以对X :,1：；如果我有一个三维张量Y，那么我可以对最后一个维进行类似的切片，比如Y:，：，1：。
当给定未知维数的张量Z时，什么是正确的切片方法？不如来个粗野的数组？
谢谢!
浏览 3提问于2020-02-26得票数 8
回答已采纳
对于给定的2D张量，我想检索值为1的所有索引。我希望能够简单地使用torch.nonzero(a == 1).squeeze()，这将返回tensor([1, 3, 2])。然而，相反，torch.nonzero(a == 1)返回一个2D张量(没关系)，每行有两个值(这不是我所期望的)。然后，返回的索引应该用于对三维张量的第二维(索引1)进行索引，并再次返回2D张量。
import torch
a = torch.Tensor([[12, 1, 0, 0],
[4, 9, 21, 1],
[10, 2, 1, 0]])
浏览 7提问于2019-09-27得票数 1
回答已采纳
2回答
我们在matlab中有一个张量，大小是308x22x29x12x492020，它很大。我们对它进行了分解，它工作得很好。现在，我们正试图重建它，以获得一些预测。当我们运行它时，当我们执行最后一个维度的乘法时，它会崩溃，内存不足。
我试图将我们的张量展平成一个2 x 2的矩阵，以使重建更容易。我找不到这样做的方法，我尝试使用matlab中的重塑函数，但没有成功。所以基本上我想知道一种在matlab中将(308x22x29x12x492020)张量转换成2D矩阵的方法。
只是为了更多地解释数据。我们有一个数据库的用户搜索汽车购买。我们想做推荐模型。我们创建了一个具有5个维度的张量: 308 (汽车
浏览 2提问于2012-05-20得票数 2
回答已采纳
比方说，我有一个3D维n x m x p数组，我想要一个基于特定用户选择维数的子数组。
例如：A是3D数组n x m x p
function sub_A = subset(A,dim)
if subset(A,1) -> subset gives sub_A 1 x m x p if subset(A,2) -> subset gives sub_A m x 1 x p if subset(A,3) -> subset gives sub_A m x n x 1
浏览 2提问于2016-12-07得票数 2
回答已采纳
1回答
为什么每次输出都是一样的？
a = torch.tensor([0, 1, 2, 3, 4])
a[-2:] = torch.tensor([[[5, 6]]])
a
张量(0，1，2，5，6)
a = torch.tensor([0, 1, 2, 3, 4])
a[-2:] = torch.tensor([[5, 6]])
a
张量(0，1，2，5，6)
a = torch.tensor([0, 1, 2, 3, 4])
a[-2:] = torch.tensor([5, 6])
a
张量(0，1，2，5，6)
浏览 1提问于2019-08-19得票数 1
假设我有一个张量(None, 2, 56, 56, 256)。现在我想通过去掉最后一列和最后一行来获得形状为(None, 2, 55, 55, 256)的张量。我如何使用Keras/Tensorflow来实现这一点？
浏览 164提问于2019-06-09得票数 1
回答已采纳
1回答
经过一些处理(在神经网络中)后，我将一个特性输入到LSTM中。LSTM只有一个“时间步骤”，我重塑数据输入到LSTM，但得到一个错误，说我有一个4D张量而不是3D。
我什么都不了解。如何做好这一设计？
def multiply(x):
return tf.keras.layers.multiply(
[tf.slice(x, [0, 0], [1, -1]), tf.slice(x, [1, 0], [1, -1])]
)
return_inputs = Input(shape=(2, ))
returns = multiply(return_inputs)
浏览 10提问于2022-06-07得票数 0
我正在尝试在scala中创建一个张量(可以被认为是一个多维数组)包。
但是切片和子数组不是那么容易得到的。要将多维索引转换为一维索引，需要进行大量的运算。
有没有存储多维数组的最佳方法？如果不是，比如一维数组是最好的解决方案，那么如何对数组进行最佳切片(一些具体的代码会对我有很大帮助)？
浏览 1提问于2011-08-02得票数 4
回答已采纳
1回答
我想通过索引的数组或张量来删除张量列。例如：
th> X = torch.rand(2,4)
th> X
0.7475 0.2512 0.6085 0.6414
0.7143 0.8299 0.2929 0.6945
[torch.DoubleTensor of size 2x4]
th> indices = torch.zeros(2)
th> indices[1] = 1
th> indices[2] = 3
th> indices
1
3
[torch.DoubleTensor of size 2]
th> X:d
浏览 3提问于2017-04-16得票数 5
回答已采纳
1回答
我有一个张量tf.shape(X) == [M, N, N]和一组指数tf.shape(IDX) == [N, N]。如何形成一个张量tf.shape(Y) = [N, N]，它等于第一维中使用索引IDX的X切片？即Y[i, j] = X[IDX[i, j], i, j]代表所有的i,j = 1..N。我试过和tf.gather_nd一起玩，但没有结果。
浏览 3提问于2016-08-09得票数 1
1回答
在Python/Numpy中，我可以对以下形式的数组进行切片：
arr = np.ones((3,4,5))
arr[2]
形状将保持不变：
(arr[2]).shape # prints (4, 5)
这意味着，如果我想保持数组的形状，下面的代码适用于N维数组
arr = np.ones((3,4,5,2,2))
(arr[2]).shape # prints (4, 5, 2, 2)
如果我想编写适用于N-dim数组的函数，并保留其输出，这是非常好的。
然而，在Julia中，相同的操作不会保留结构：
arr = ones(3,4,5)
size(arr[3]) # prints () (0
浏览 3提问于2018-05-28得票数 3
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
我在PyTorch中发现了一行用于将3D张量简化为2D张量的代码。3D张量x的大小为torch.Size([500, 50, 1])，下面这行代码：
x = x[lengths - 1, range(len(lengths))]
用于将x简化为大小为torch.Size([50, 1])的2D张量。lengths也是包含值的shape torch.Size([50])的张量。
有谁能解释一下这是怎么工作的吗？谢谢。
浏览 1提问于2020-02-13得票数 3
我试图用指数张量来分割张量。为此，我尝试使用tf.gather。但是，我很难理解，不能像我期望的那样让它正常工作：
我有两个张量。具有[1,240,4]形状的[1,240,4]张量和形状[1,1,120]的ids张量。我想将activations张量的第二维与ids张量的第三维中提供的指数分开：
downsampled_activations = tf.gather(activations, ids, axis=1)
我给了它axis=1选项，因为它是activations张量中的轴，我想切片。
但是，这不会呈现预期的结果，只会给出以下错误：
tensorflow.python.framewo
浏览 5提问于2020-09-26得票数 4
回答已采纳
我相信这是一个简单的问题，但我被困住了。我从张量中选择特定的维度
input = x[i, :, 38:44]
在此之前，一切都很好，但现在我想提取一个不同的维度范围，例如：
38:44 then 46 to 48 then 50 to 54.，我们怎么能做到这一点？
浏览 1提问于2022-06-25得票数 0
我正在处理一个矩阵sim_mat，它是一个大小的张量(?，?，?)。
我想像这样在上面使用tf.slice：
a=tf.slice(sim_matrix,[0,0,0],tf.stack([tf.shape(sim_matrix[0],tf.shape(sim_matrix)[1],3]))
print(a)
但这给了我张量a的大小(?，?，?)而不是(?，？)此外，当我使用a作为进一步的函数时，我得到了一条错误消息：
输入的大小(输入的深度)必须可以通过形状推断访问，但是没有看到值。
有解决办法吗？
谢谢。
浏览 0提问于2018-04-16得票数 1
1回答
我有以下两个张量
input shape: 16 32 32 3
index shape: 16 32 32 2
output shape: 16 32 32 3
产出的公式是：
output[b, h, w] = input[b, index[b, h, w, 0], index[b, h, w, 1]]
我试着使用torch.gather，但是我无法制定以前的作业。
有人知道如何有效地做到这一点吗？谢谢!
对于上下文:输入包含一批16个精灵，其中每一个都是包含3D点的32x32张量。索引是从位置到三维点的映射。
浏览 3提问于2022-02-01得票数 1
回答已采纳
我正在为fliplr命令阅读matlab在线文档，在那里我遇到了一个命令'cat‘。
它用于连接。cat命令的第一个参数指定将发生级联的维度。例如，如果第一个参数为1，则矩阵沿列连接，如果第一个参数为2，则矩阵将沿行连接。但是，如果第一个参数是3，就像在这个场景中一样。我很困惑，它是如何行动，如目前的场景中所附的照片。在分配或执行cat命令之后，A的内容是什么？高亮线的含义是什么？“3”指的是第三维空间吗?如果是的话，那怎么可能呢?它是否以第一页matrix1 2；第3页3 4页和第二页矩阵5 6;7 8(如果我错了请纠正我)的形式出现？
浏览 0提问于2019-04-14得票数 2
回答已采纳
1回答
背景:我有1680张图片:7个用户，每个用户在手语24个英文字母中各10次。
我试图将图像的规格从字母更改为每个图像的大小为24的数组，在字母位置包含一个1。例如，如果字母是A，则在第一个索引中将为1，而其他23个索引为0。
我试着这样避免循环：
def one_hot_encoding(images_array, user_array):
letters_to_ones = np.zeros((len(user_array), len(images_array[0]), number_of_classes))
for letter in range(number_of_cla
浏览 0提问于2019-02-13得票数 0
回答已采纳
给定numpy (或Py手电筒)中的二维张量，我可以一次将所有维度分割成以下部分：
>>> import numpy as np
>>> a = np.arange(2*3).reshape(2,3)
array([[ 0, 1, 2, 3],
[ 4, 5, 6, 7],
[ 8, 9, 10, 11]])
>>> a[1:,1:]
array([[ 5, 6, 7],
[ 9, 10, 11]])
如果我不知道实现时的维数，那么无论张量中的维数如何，如何实现相同的切片模式？(我
浏览 0提问于2019-06-10得票数 3
回答已采纳
我很难在tf.nn.rnn函数中使用“初始状态”参数。
val, _ = tf.nn.rnn(cell1, newBatch, initial_state=stateP, dtype=tf.float32)
newBatch.shape => (1，1，11)
stateP.shape => (2，2，1，11)
总的来说，我已经完成了LSTM神经网络的训练，现在我想使用它的值。我该怎么做？我知道tf.nn.rnn()函数将返回状态..。但我不知道怎么插进去。
fyi stateP.shape => (2，2，1，11)也许是因为我用了堆叠的LSTM细胞？
我也试过：
val
浏览 3提问于2016-08-16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
实时音视频
对象存储
即时通信 IM活动推荐
腾讯云开发者
