错误:x和y必须具有相同的第一个维度。为什么？ - 腾讯云开发者社区 - 腾讯云

开发者社区

文档建议反馈控制台

文章/答案/技术大牛

发布

我的代码背叛了我？为什么 a=1, b=2，最后x和y都等于0？

启动线程，join等待线程 assert x == 2; assert y == 1;}首先，考虑如上代码片段：定义了两个共享变量 x 和 y，并在两个线程中分别对它们进行赋值。...当同时启动这两个线程并等待它们执行完毕后，x 是否等于 2 且 y 等于 1 呢？答案是不确定的，因为共享变量 x 和 y 可能存在多种执行结果。...那么这时结果是：x等于2，y等于0；2）假设处理器A对变量a赋值，且及时回写内存。处理器B从内存中读到变量a最新值。处理器B对变量b赋值，但没及时回写内存。...那么这时结果是：x等于0，y等于1；3）假设处理器A和B，都没及时回写变量a和b值到内存。...那么这时结果是：x等于0，y等于0；4）假设处理器A和B，都及时回写变量a和b值到内存，且从内存中读到变量a和b的最新值。那么这时结果是：x等于2，y等于1。

1731 0

tf.where

如果x和y都为空，那么这个操作返回条件的真元素的坐标。坐标在二维张量中返回，其中第一个维度(行)表示真实元素的数量，第二个维度(列)表示真实元素的坐标。...记住，输出张量的形状可以根据输入中有多少个真值而变化。索引按行主顺序输出。如果两者都是非零，则x和y必须具有相同的形状。如果x和y是标量，条件张量必须是标量。...如果x和y是更高秩的向量，那么条件必须是大小与x的第一个维度匹配的向量，或者必须具有与x相同的形状。...如果条件是一个向量，x和y是高秩矩阵，那么它选择从x和y复制哪一行(外维)，如果条件与x和y形状相同，那么它选择从x和y复制哪一个元素。...如果条件为秩1,x的秩可能更高，但是它的第一个维度必须与条件的大小匹配y: 与x形状和类型相同的张量name: 操作的名称(可选)返回值:一个与x, y相同类型和形状的张量，如果它们是非零的话。

2.5K3 0

您找到你想要的搜索结果了吗？

是的

没有找到

从模型源码梳理TensorFlow的乘法相关概念

b: 一个类型跟张量a相同的张量。注意：输入必须是矩阵（或者是张量秩 >２的张量，表示成批的矩阵），并且其在转置之后有相匹配的矩阵尺寸。..., int64, complex64, complex128的张量； y: 一个类型跟张量x相同的张量；返回值： x * y element-wise；注意： multiply这个函数实现的是元素级别的相乘...两个相乘的数必须有相同的数据类型，不然就会报错。...a和b除了最后两个维度可以不一致，其他维度要相同； a和b最后两维的维度要符合矩阵乘法的要求（比如a的(3,4)能和b的(4,6)进行矩阵乘法）；比如 a的维度是（2，2，3）； b的维度是（2，3，...但是，这里有一个特殊情况，那就是当你的其中一个操作数是一个具有单独维度(singular dimension)的张量的时候，TF会隐式地在它的单独维度方向填满(tile)，以确保和另一个操作数的形状相匹配

2K2 0

深度学习中的基础线代知识-初学者指南

它提供了像向量和矩阵（电子表格）这样的数据结构用来保存数字和规则，以便进行加，减，乘，除的运算。线性代数为什么有用？线性代数可以将复杂的问题简单化，让我们能够对问题进行高效的数学运算。...在几何中，向量将大小和方向的潜在变化存储到一个点。例如，向量 [3， -2] 表示向右移 3 个单位距离和向下移 2 个单位距离。而具有多个维度的向量称为矩阵。...Scalar addition 元素操作在诸如加法，减法和除法的元素操作中，相应位置的值被重新组合以产生新的向量。向量 A 中的第一个值与向量 B 中的第一个值配对。...也就是说，这两个向量必须有着相同的尺寸，才能完成元素操作*。...简单地将标量应用于矩阵中的每个元素进行加，减，乘，除等操作。 Matrix scalar addition 矩阵单元操作为了对两个矩阵进行加，减或除法，它们必须具有相等的维度。

1.6K6 0

机器学习中的线性代数：关于常用操作的新手指南

向量 [3, -2] 表示的是左移3个单位下移2个单位。我们将具有多个维度的向量称为矩阵。向量记法应用中有多种表达向量的方式，下式是阅读中常见的几种表示。...向量 A中的第一个值与向量 B 中的第一个值相加，然后第二个值与第二个值配对，如此循环。这意味着，两个向量必须要有相同的维度才能进行元素操作。...elementwise operations 为了实现两个矩阵的加、减、除操作，他们必须有着相同的维度。...并且，对于输出的结果矩阵也有维度要求。参考. 1. 第一个矩阵的列数必须等于第二个矩阵的行数 2.一个 M x N 矩阵和 N x K 矩阵的乘积结果是一个 M x K 矩阵....新的矩阵取第一个矩阵的行M 和第二个矩阵的列K 。步骤矩阵的乘法依赖于点积与各个行列元素的组合。

1.7K3 1

JAX 中文文档（五）

几个形状规范的示例： ("(b, _, _)", None) 可以用于具有两个参数的函数，第一个是具有应为符号的批处理前导维度的三维数组。基于实际参数专门化第一个参数的其他维度和第二个参数的形状。...请注意，如果第一个参数是具有相同前导维度但可能具有不同尾部维度的多个三维数组的 pytree，则相同的规范也适用。第二个参数的值None表示该参数不是符号化的。等效地，可以使用...。...)", "(batch,)") 指定两个参数具有匹配的前导维度，第一个参数至少具有秩为 1，第二个具有秩为 1。...维度变量必须能够从输入形状中解决目前，当调用导出对象时，通过数组参数的形状间接传递维度变量的值是唯一的方法。例如，可以在调用类型为f32[b]的第一个参数的形状中推断出b的值。...在 JIT 编译下，JAX 数组必须具有静态形状（即在编译时已知的形状），因此布尔掩码必须小心使用。

1K1 0

NumPy快速入门-- Less 基础线性代数

第一个规则，如果所有输入数组不具有相同数量的维度，则“1”将被重复地添加到较小数组的形状，直到所有数组具有相同数量的维度。...第二个规则，确保沿着特定维度具有大小为1的数组表现得好像它们具有沿着该维度具有最大形状的数组的大小。假定数组元素的值沿“Broadcasting”数组的该维度相同。...a 是一个多维数组，单个索引数组指的是 a 的第一个维度。...每个维度的索引数组必须具有相同的形状。...array([ 4, 10]) 1D布尔数组的长度必须与你要切片的维度（或轴）的长度一致。

5691 0

NumPy 1.26 中文文档（四十二）

输出ndarray，可选替代的输出数组，其中放置结果。它必须具有与预期输出相同的形状和缓冲区长度，但如果需要，输出的类型（输出）将被转换。...默认值为None；如果提供，则必须具有与预期输出相同的形状，但必要时将进行类型转换。详情请参阅输出类型确定。...m的每一行代表一个变量，每一列代表所有这些变量的单个观察值。也参见下面的 rowvar。 yarray_like，可选另一组变量和观察值。y与m具有相同的形式。...x中的值沿第一个维度进行直方图处理，而y中的值沿第二个维度进行直方图处理。 xedges ndarray，形状(nx+1,) 第一个维度的 bin 边缘。...请注意，直方图不遵循笛卡尔坐标系的惯例，其中x值在横轴上，y值在纵轴上。相反，x沿数组的第一个维度(垂直)进行直方图处理，y沿数组的第二个维度(水平)进行直方图处理。

8001 0

tf.train.batch

一个形状为[x, y, z]的输入张量将作为一个形状为[batch_size, x, y, z]的张量输出。...如果enqueue_many为真，则假定张量表示一批实例，其中第一个维度由实例索引，并且张量的所有成员在第一个维度中的大小应该相同。...如果一个输入张量是shape [*， x, y, z]，那么输出就是shape [batch_size, x, y, z]。容量参数控制允许预取多长时间来增长队列。...注意: 如果dynamic_pad为False，则必须确保(i)传递了shapes参数，或者(ii)张量中的所有张量必须具有完全定义的形状。如果这两个条件都不成立，将会引发ValueError。...在脱队列时填充给定的维度，以便批处理中的张量具有相同的形状。allow_smaller_final_batch: (可选)布尔。如果为真，如果队列中没有足够的项，则允许最后的批处理更小。

1.6K1 0

Sklearn、TensorFlow 与 Keras 机器学习实用指南第三版（九）

不规则张量不规则张量是一种特殊类型的张量，表示不同大小数组的列表。更一般地说，它是一个具有一个或多个不规则维度的张量，意味着切片可能具有不同长度的维度。在不规则张量r中，第二个维度是一个不规则维度。...在所有不规则张量中，第一个维度始终是一个常规维度（也称为均匀维度）。不规则张量r的所有元素都是常规张量。...您还必须指定dtype，并且所有元素必须与写入数组的第一个元素具有相同的形状。...请注意，张量必须至少有两个维度，并且集合必须在最后一个维度中。例如，[[1, 5, 9], [2, 5, 11]]是一个包含两个独立集合的张量：{1, 5, 9}和{2, 5, 11}。...它会自动填充最短的记录，以确保批次中的所有记录具有相同的形状。 PriorityQueue 一个按优先级顺序出队记录的队列。优先级必须作为每个记录的第一个元素包含在其中，是一个 64 位整数。

7560 0

基础渲染系列（一）图形学的基石——矩阵

（所有的三个转换效果） 3 完全体的旋转现在，我们只能绕Z轴旋转。为了提供与Unity变换组件相同的旋转支持，我们还必须启用围绕X和Y轴的旋转。...实际上，我们执行的乘法是 ? ，这是矩阵乘法。2 x 2矩阵的第一列表示X轴，第二列表示Y轴。 ? （用2D的矩阵定义X和Y轴）通常，将两个矩阵相乘时，在第一个矩阵中逐行，在第二个矩阵中逐列。...结果矩阵中的每个项是一行的项总和乘以一列的相应项之和。这意味着第一矩阵的行和第二矩阵的列必须具有相同数量的元素。 ?...（2个2X2的矩阵相乘）结果矩阵的第一行包含行1×列1，行1×列2，依此类推。第二行包含第2行×第1列，第2行×第2列，依此类推。因此，它具有与第一矩阵相同的行数和与第二矩阵相同的列数。...所有变换矩阵都具有相同的底行[0 0 0 1]。知道了这一点，我们就可以忽略该行，而跳过0的计算和最后的转换除法。Matrix4x4.MultiplyPoint4x3方法就是这么做的。

5.9K2 3

教程 | 基础入门：深度学习矩阵运算的概念和代码实现

在几何学中，向量储存了空间中一个点潜在的改变方向。向量 [3，-2] 也就代表着原点向（3，-2）这一点运动的趋向。若向量所具有的维度超过一维，那么就称之为矩阵。...第一个向量的第 i 个值只与第二个向量的第 i 个值相匹配。这也就意味着向量之间的维度必须相等才能进行运算。下图表明向量之间的加减法是对应元素之间的加减，代码表明了向量之间的加减和除法。 ?...第一个矩阵列的数量必须等于第二个矩阵行的数量 2. m×n 阶矩阵左乘 n×k 阶矩阵的结果是 m×k 阶矩阵。新得出来矩阵就等于第一个矩阵的行数×第二矩阵的列数。...第一个矩阵每一行的维度和第二个矩阵每一列的维度相等，所以第一个矩阵第 i 行元素与第二个矩阵第 j 列对应元素的乘积和就等于新矩阵的第 i 行第 j 列的元素值。...因为不可能预期在改变向量的部分后还能得到相同的结果，而且第一个矩阵的列数必须要和第二个矩阵的行数相同，也可以看出为什么矩阵相乘的顺序会影响其结果。

2.7K13 0

UCB Data100：数据科学的原理和技巧：第二十一章到第二十六章

如果有两个特征，分离的超平面必须存在于两个维度中（任何形式为 y=mx+b 的直线）。我们可以使用散点图来可视化这一点。听起来很棒！...例如，考虑新的点 (x, y) = (0.5, 1) 。根据上面的行为，我们的模型会错误地预测 p=0 ，因此 \hat y = 0 。这个错误分类点所产生的损失是无穷大的。...=0 ）假正例：将负点错误分类为正（ y=0 和 \hat{y}=1 ）假负例：将正点错误分类为负（ y=1 和 \hat{y}=0 ）这些分类可以简洁地总结在一个混淆矩阵中...定义和执行 PCA 的过程理解 PCA 和 SVD 之间的联系 24.1 维度以前，我们一直在处理具有行和列的数据表。...即使我们知道我们必须使用 R 的内部维度来分解我们的矩阵，仍然留下了一个要遍历的大空间解决方案。如果我们有一个自动将秩为 R 的矩阵因子分解为具有一些变换矩阵的 R 维表示的过程呢？

5141 0

matlab结构体 rmfield,arrayfun,structfun,struct2cell,cell2struct

输入参数 func 是一个函数的函数句柄，此函数接受一个输入参数并返回一个标量。func 的输出可以是任何数据类型，只要该类型的对象可以串联即可。数组 A 和 B 必须具有相同的大小。...structArray 输出是具有 N 个字段的结构体数组，其中 N 等于 fields 输入参数中的字段数。生成的结构体中的字段数必须等于沿要转换的维度 dim 的元胞数。...将元胞数组转换为沿维度1的结构体转换沿其第一个维度的 5×3 元胞数组以构造一个具有 5 个字段的 3×1 结构体。...沿元胞数组的维度 1 的每一行将变为结构体数组中的一个字段：遍历第一个维度（即垂直维度），包含 5 行，每行的标题如下： rowHeadings = {'development', 'sales', '...将相同的元胞数组转换为沿维度 2 的结构体转换沿其第二个维度的 5×3 元胞数组以构造一个具有 3 个字段的 5×1 结构体。

1.9K1 0

深度学习：张量介绍

但是，第一个轴必须相同： (z, m, n) x (z, n, r) = (z, m, r) 为什么是这样？嗯，如前所述，二维的点积主要是将向量彼此相乘。...为了使和彼此相乘，必须调换的第二轴和第三轴。并且两者的大小均为 (3, 3, 2)。这意味着必须变成(3,2,3)。这可以使用 Y.permute(0, 2, 1) 来完成，它转置第二和第三轴。...[ 1, 0]], [[ 1, 1], [ 6, -5], [ 8, -5]]]]) 点积在四维中，张量乘法将具有与三维和二维中相同的要求...相同的步骤将在四个维度中发生，但首先将每个 3D 张量与其相应的 3D 张量相乘。然后，它们的每个矩阵将相互相乘。最后，它们的向量将相互执行点积。这可以在上图中看到。...对于本例，和的大小为 (2, 3, 3, 2)。为了进行乘法运算，必须调换的第三轴和第四轴。

9902 0

进阶渲染系列（一）——平坦和线框着色（导数和几何体）

实际上，着色器并不能直接访问相邻片段的数据，但是我们可以访问此数据的屏幕空间导数类。这是通过特殊指令完成的，该指令告诉我们屏幕空间X或Y维度中任何数据片段在片段之间的变化率。...例如，我们当前片段的世界位置是 p 0 。屏幕空间X维度中下一个片段的位置是 p X 像素。因此，这两个片段之间在X维度上的世界位置变化率是。 ? 这是屏幕空间X维度中世界位置的偏导数。...在My Lighting.cginc中InitializeFragmentNormal函数的开始处执行此操作。 ? 对屏幕空间Y维度执行相同的操作，调用ddy函数用世界坐标位置，找出 ? ?...对于每个块，它为两个2×1片段对确定X维度上的两个导数，对于两个1×2片段对确定Y维度上的两个导数。一对中的两个片段使用相同的导数数据。...在包含“My Lighting”之前，必须这样做。我们也可以在InterpolatorsGeometry中使用它，因此只需要写一次代码。 ? 为什么会出现转换编译错误？

3K2 1

在Python中用一个长短期记忆网络来演示记忆

例如，第一个序列具有以下要学习的输入-输出对： X, y 3, 0 0, 1 1, 2 2, 3 我们必须从一位有效编码的二进制向量中创建这些映射对，而不是原始数字。...例如，3->0的第一个输入-输出对将是： X, y [0, 0, 0, 1, 0] [1, 0, 0, 0, 0] 下面是一个名为to_xy_pairs（）的函数，它会根据编码的二进制向量列表创建X和...): X.append(encoded[i-1]) y.append(encoded[i]) return X, y 我们可以把它和上面的一位有效编码函数放在一起，并打印第一个序列的编码输入和输出对。...这种记忆和LSTM将观测与遥远的时间联系起来的能力是使LSTM如此强大以及为什么如此广泛使用的关键能力。...经过一些试验和错误之后，选择了LSTM（时代，单位等）的配置。在这个问题上，更简单的配置可能会达到相同的结果。一些参数搜索是必需的。任意字母表。5个整数的字母表是任意选择的。

2.6K11 0

站在机器学习视角下来看主成分分析

PCA用的是最小化正交投影距离，而线性回归是最小化y轴上的距离。 ? 在k维子空间中，存在k个标准正交基矢量。...从最小化和优化角度看同样的问题很有意思，因为它们都实现了减小维度的目标，但它是以不同的方式完成的。最小化将是最小化残差，残差是数据点和投影之间的正交距离。...等效于最大化协方差矩阵以及与X的X转置相关联的特征值。注意，X的X转置的维度是dxd，但是其轨迹被最大化的矩阵具有kx k的维度。...结论我们从dxd协方差矩阵开始，我们通过最小化重建误差获得了前k个特征向量，这与最大化矩阵的轨迹相同。因此，我们成功地减少了维度。...回到统计学的观点，我们为什么要最大化方差的问题得到了回答，因为我们希望最小化降维损失，这与最大化方差具有相同的结果。

1.4K5 0

tf.Variable

必须具有与x相同的类型。name:操作的名称(可选)。返回值：布尔类型的张量。...y:张量。必须具有与x相同的类型。name:操作的名称(可选)。返回值：布尔类型的张量。...参数：x:张量。必须是下列类型之一:int32、int64、bfloat16、half、float32、float64。y:张量。必须具有与x相同的类型。name:操作的名称(可选)。...该op由python3中的x // y层划分和python2.7中的来自于future__导入划分生成。x和y必须具有相同的类型，并且结果也必须具有相同的类型。参数：x:实数型张量分子。...y:张量。必须具有与x相同的类型。name:操作的名称(可选)。返回值：一个张量。与x类型相同。

3.3K4 0

基本的核方法和径向基函数简介

如果 X 和 Y 之间存在非线性关系，则不能简单地在此数据上拟合线性模型。然而，核方法的目标是在这些非线性关系上使用线性模型并保证结果的是正确的。...为了正确理解线性代数公式，我们必须熟悉每个变量的维度数: 输入数据 X 是 (Nxd) 维，其中 N 是数据点的数量，d 是特征的数量。...因此，逆计算将是一个 (dxd) 矩阵，并且所得的权重矩阵是 (dx1)。我们的权重向量与输入数据中的特征具有相同的维度。...这是肯定的，因为当我们从 X 推断 Y 时，我们采用权重和输入数据之间的点积，因此输入必须具有与我们的权重相同的维度。...有 10,000 个数据点，我们的 Y 坐标是一维的。这意味着我的数据矩阵 X 的维度为 (10,000x1)。我们可以尝试通过使用上面看到的伪逆解计算最佳权重来拟合该数据的线性模型。

1.1K3 0

点击加载更多

相关资讯

热门标签

活动推荐

运营活动

活动名称

广告关闭