我是TF中的机器学习新手。我有这个数据集，它是我生成的并导出到.csv文件中。它在这里：tftest.csv。 “分布”一栏对应于一个独特的方程系统，我试图用SageMath将其压缩成一系列数字。“probs”列对应于是否应该根据所在的行和列将给定的方程乘以该方程的给定单项式。以上只是一个概述，与我的实际问题无关。 不管怎样，这是我的代码。我已经尽我所能用注解来解释它。 import csvi
浏览 157提问于2019-01-16得票数 0
回答已采纳
2回答
我正在尝试使用tensorflow和lstm在kaggle创建一个配方生成器。但我完全陷入了与维度相关的事情中。有人能给我指出正确的方向吗？
非常感谢！
浏览 0提问于2017-04-07得票数 0
： def reduced_softmax_loss(self, labels, logits): top_labels = tf.gather(labels, indices)
returntf.nn.softmax_cross_entropy_with_logits<
浏览 29提问于2019-03-14得票数 3
我在seq2seq.sequence_loss中得到了这个错误，即使第一个模糊的逻辑和标签具有相同的维度，即batchSize
我在TF1.0版本中创建了一个seq2seq模型。for traceback): logits and labels must have the same first dimension, got logits shape [1280,150000]和targets张量<e
浏览 0提问于2017-07-13得票数 4
我尝试使用Imagenet V2进行多类分类(6个类)的传输学习，但得到了以下错误。有人能帮忙吗？ValueError: `logits` and `labels` must have the same shape, received ((None, 6) vs (None, 1)).我从安德鲁·吴( Andrew )的CNN课程借用了这个代码，我花了一段时间，但最初的代码是用于二进制分类的。我试图修改它以进行多类分类，但得到了这个错误。这是我的密码：
import m
浏览 6提问于2022-04-19得票数 0
回答已采纳
1回答
import tensorflow as tfimport osimport PIL
train = tf.train.AdamOptimizer但我已经看过数据后，调整大小和图像似乎很好。
然后我尝试了几个不同的损失函数，因为我想
浏览 1提问于2018-04-19得票数 3
回答已采纳
2回答
下面是我的代码片段：import numpy as np hidden2 = fully_connected(hidden1, n_hidden2, scope="hidden2")
logits(labels=y, logits</
浏览 0提问于2017-10-22得票数 1
我想知道为什么当输入两个相同形状和相同内容的张量时，我会得到调用sparse_categorical_crossentropy损失函数时得到的错误。(labels, logits, from_logits=True)/tensorflow-2.1.0/python3.6/tensorflow_core/python/keraslabels
浏览 35提问于2020-03-02得票数 0
复制错误的最简单示例： loss = tf.reduce_mean(tf.nn.sparse_softmax_cross_entropy_with_logits(labels=y, logits=logits))
Input = tf.keras.layers.Input(dtype=tf.float32, shape=(20(batch
浏览 4提问于2022-03-27得票数 2
回答已采纳
我正在尝试理解sigmoid_cross_entropy损失函数在图像分割神经网络方面的作用：zeros = array_ops.zeros_like(logits, dtype=logits.dtype)relu_logits = array_ops.where(cond, logits, zeros)
neg_abs_logits= array_op
浏览 21提问于2018-08-28得票数 7
回答已采纳
1回答
我读过，但据我所知，对于函数tf.nn.softmax_cross_entropy_with_logits(logits, labels, dim=-1, name=None)，结果是交叉熵损失，其中logits和labels的维数是相同的。但是，对于函数tf.nn.sparse_softmax_cross_entropy_with_logits，logits和labels
浏览 8提问于2016-12-22得票数 4
回答已采纳
Tensorflow教程包括使用tf.expand_dims向张量添加“批处理维度”。我已经阅读了这个函数的文档，但它对我来说仍然是相当神秘的。有没有人确切知道在什么情况下必须使用它？
我的代码如下。我的意图是根据预测箱和实际箱之间的距离来计算损失。(例如，如果是predictedBin = 10和truthBin = 7，则是binDistanceLoss = 3)。batch_size = tf.size(tru
浏览 1提问于2016-08-18得票数 33
回答已采纳
')cross_entropy = tf.nn.sparse_softmax_cross_entropy_with_logits(
logits:秩r和形状d_0、d_1、.、d_{r-2}、num_classes和dtype float32或float64的未缩放日志概率。，d_{r-2}<e
浏览 1提问于2016-10-31得票数 11
输出= Output1，Output2Output2 = return image, labels
model.compile(loss=tf.keras.losses.SparseCa
浏览 0提问于2021-04-26得票数 0
1回答
我正在尝试将numpy数组存储在Tensorflow数据集中。当使用numpy数组作为训练和测试数据时，模型是正确的，但当我将numpy数组存储在单个Tensorflow数据集中时，则不是这样。问题在于数据集的维度。尽管乍一看形状似乎还可以，但还是有些不对劲。 ValueError: Shape mismat
浏览 4提问于2021-02-15得票数 0
回答已采纳
这里的新手，我很抱歉，如果这个问题是愚蠢的，但我在网上找不到任何关于它的东西。对于tf.squared_difference的输出，我得到了一个意想不到的形状。我希望从下面的片段中获得一个具有shape=(100, ?)形状的张量作为损失
[print("Logits",logits,"#Labels",labels,"LOSS",tf.s
浏览 3提问于2017-10-10得票数 0
回答已采纳
# Scenario 1loss_op = tf.reduce_mean(tf.nn.softmax_cross_entropy_with_logits(或# Evaluate model (with test logits, for dropout to beprediction, 1), tf.argmax(Y, 1))
accuracy = tf.red
浏览 7提问于2019-10-14得票数 3
回答已采纳
我目前正在跟踪这个，在进行了一些更改之后，由于tensorflow更新，我得到了以下错误：
tensorflow.python.framework.errors_impl.InvalidArgumentError:日志和标签必须相同大小: logits_size=399360,2 labels_size=409920,2[Node: SoftmaxCrossEntropyWithLogits = SoftmaxCrossEntropyWithLogits对守则
浏览 3提问于2017-07-26得票数 1
)：日志和标签必须具有相同的第一个维度，得到logits形状3,2和标签形状1 hooks=[logging_hook])logits = tf.reshape(logits，1，2)经过更多时间的搜索，
浏览 0提问于2018-03-07得票数 37
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
腾讯会议
云直播活动推荐
腾讯云开发者
