Tensorflow中的tf.matmul和tf.batch_matmul有什么不同？
在TensorFlow中，tf.matmul和tf.batch_matmul是两个用于矩阵乘法的函数。
- tf.matmul:
- 概念：tf.matmul是TensorFlow中的矩阵乘法函数，用于计算两个矩阵的乘积。
- 分类：属于TensorFlow的核心运算函数。
- 优势：tf.matmul能够高效地执行矩阵乘法操作，适用于处理两个维度相同的矩阵相乘。
- 应用场景：常用于神经网络中的全连接层计算、线性回归等涉及矩阵乘法的任务。
- 推荐的腾讯云相关产品：腾讯云AI智能机器学习平台（https://cloud.tencent.com/product/aiml）
- tf.batch_matmul:
- 概念：tf.batch_matmul是TensorFlow中的批量矩阵乘法函数，用于计算批量矩阵的乘积。
- 分类：属于TensorFlow的核心运算函数。
- 优势：tf.batch_matmul能够高效地执行批量矩阵乘法操作，适用于处理多个批次的矩阵相乘。
- 应用场景：常用于处理批量的神经网络输入数据，如处理多个样本的特征向量与权重矩阵的乘积。
- 推荐的腾讯云相关产品：腾讯云AI智能机器学习平台（https://cloud.tencent.com/product/aiml）
注意：以上推荐的腾讯云产品仅为示例，实际选择云计算平台应根据具体需求和情况进行评估和选择。
相关·内容
我有一段tensorflow代码，它使用control_flow_ops.cond来选择要使用的结果：
import tensorflow as tf
import numpy as np
from tensorflow.python.ops import control_flow_ops
from tensorflow.python.ops import math_ops
from tensorflow.python.client import timeline
import time
with tf.device('/cpu:0'):
a_arr = []
浏览 13提问于2016-09-21得票数 0
1回答
我一直在尝试做一个简单的2层神经网络。我研究了tensorflow api和官方教程，建立了一个分层模型，但在神经网络方面存在问题。下面是导致错误的代码的一个部分：
with graph.as_default():
tf_train_dataset = tf.placeholder(tf.float32, shape=(batch_size, image_size * image_size))
tf_train_labels = tf.placeholder(tf.int32, shape=(batch_size, num_labels))
tf_valid_datas
浏览 5提问于2016-02-13得票数 0
回答已采纳
3回答
给定整数k和对称矩阵A (作为tf.Variable)，如何计算A的k-th幂
tf.matmul(A, tf.matmul(A, tf.matmul(A, ...)... )
在TensorFlow中效率最高
浏览 8提问于2021-12-25得票数 2
回答已采纳
在tensorflow教程中，我看到了像tf.add(tf.matmul(X, W), b)和tf.matmul(X, W) + b这样的代码，使用数学函数tf.add()，tf.assign()等与运算符+和=等在精度或其他方面有什么不同？
浏览 3提问于2016-06-19得票数 50
回答已采纳
在线性代数中，常用的方法是通过在输入中附加一个虚常数维数来优化乘法的公共运算，然后将整个过程转化为一个单乘( Wx + b => W'x')。
在Tensorflow中这样做有什么好处，还是会对其进行优化(例如tf.matmul(...) + b与tf.matmul(...))
浏览 1提问于2017-05-21得票数 0
回答已采纳
我对函数tf.matmul()在TensorFlow中的使用感到有点困惑。不过，我的问题可能更多是关于深度学习的理论。假设你有一个输入X和加权矩阵W(假设零偏差)，我想要计算WX作为一个可以由tf.matmul(W, X)完成的输出。然而，在教程中，它被反转，而tf.matmul(X, W)被使用。另一方面，在下一个教程中，使用了tf.matmul(W, X)。由于矩阵的大小对乘法很重要，我想知道是否有人能澄清这个问题。
浏览 3提问于2015-12-15得票数 6
回答已采纳
1回答
我训练了一个宽度为384的双向LSTM，它使用Tensorflow/Keras输入维度(None，4995，12)。我一直试图了解我的输入维是如何在LSTM单元输入中映射到x_t的，因为当我检查LSTM的内部权重时，我注意到我的权重是维度(384,12)。
Tensorflow/Keras是否自动将输入数组划分为384大小的分区？我假设它不会对我的输入进行时间分割，因为这是TimeDistributed LSTM的一个特性。任何有关这方面的信息都是有帮助的。
更新:我在仔细阅读LSTM的Tensorflow实现时发现，输入数据被重组为与x_t数组相同的长度。那么，我的问题是，Tensorflo
浏览 0提问于2021-06-15得票数 1
回答已采纳
我刚刚在anaconda python上安装了tensorflow v2.3。我尝试使用下面的python命令测试安装；
$ python -c "import tensorflow as tf; x = [[2.]]; print('tensorflow version', tf.__version__); print('hello, {}'.format(tf.matmul(x, x)))"
我收到了以下消息；
2020-12-15 07:59:12.411952: I tensorflow/core/platform/cpu_feature
浏览 3提问于2020-12-15得票数 19
回答已采纳
在tensorflow关于的指南中，有一段代码如下：
import time
def measure(x, steps):
# TensorFlow initializes a GPU the first time it's used, exclude from timing.
tf.matmul(x, x)
start = time.time()
for i in range(steps):
x = tf.matmul(x, x)
_ = x.numpy() # Make sure to execute op and not just enq
浏览 2提问于2018-08-07得票数 0
回答已采纳
假设我在TensorFlow (Python接口)中有下面这行代码：
z = tf.matmul(W_1,x_1) + tf.matmul(W_2,x_2) + ... + tf.matmul(W_N, x_N) + b
以上N个操作都是独立的，结果在z中累加。例如，TensorFlow会独立启动N个内核，然后累加结果，还是会连续处理N个操作？
我之所以这样问，是因为这会影响到我需要花费多少精力来向量化操作，而代价是降低了可读性和便利性。我希望TF异步启动所有N个GPU内核，在z中累加输出，并返回结果。
此外，假设TF确实并行处理上述语句，对此是否有任何限制？例如，如果我在For循环中(或在带
浏览 1提问于2016-10-13得票数 2
我第一次尝试GPU计算，当然，我希望能有一个大幅度的加速。然而，在tensorflow中有一个基本的例子，它实际上更糟：
在cpu:0上，每10次运行平均花费2秒，gpu:0需要2.7秒，gpu:1比cpu:0差50%。
下面是代码：
import tensorflow as tf
import numpy as np
import time
import random
for _ in range(10):
with tf.Session() as sess:
start = time.time()
with tf.device('/gpu:
浏览 0提问于2016-11-22得票数 2
回答已采纳
我想知道如何找到C++中广泛使用的TensorFlow方法的TensorFlow等效项。例如，在哪里可以找到相当于tf.matmul()的？有空房吗？
我在示例中阅读了，我注意到它使用了像Sub()和Div()这样的函数，它们的文档我在C++ API文档中找不到。我想知道这些功能是从哪里来的。
谢谢。
更新：
新的良好文档很好地解决了这种混乱。
浏览 5提问于2017-01-24得票数 2
回答已采纳
A= P*N，B= Q*N和C= R*N有3个稀疏张量，在tensorflow中，积矩阵A*B*C的维数是P*Q*R的有效方法是什么？
我尝试过使用tf.matmul，然后是tf.reshape，但是它不会给出上面所指定的尺寸的产品矩阵。
谢谢。
浏览 9提问于2017-02-01得票数 1
回答已采纳
2回答
假设我想使用闭合形式的解来计算TensorFlow中的最小二乘系数。通常，我会这样做，
beta_hat = tf.matmul(
tf.matmul(tf.matrix_inverse(tf.matmul(tf.transpose(X), X)), tf.transpose(X)), y
)
其中X和y分别是对应于协变量和目标变量的TensorFlow占位符。
如果我想进行预测，我会这样做，
y_pred = tf.matmul(X, beta_hat)
如果我被处死，
sess.run(y_pred, feed_dict={X: data_X})
我当然会得到一个错误
浏览 3提问于2015-11-23得票数 6
在下面的python代码中，为什么通过numpy进行乘法的时间比通过tensorflow要小得多？
import tensorflow as tf
import numpy as np
import time
size=10000
x = tf.placeholder(tf.float32, shape=(size, size))
y = tf.matmul(x, x)
with tf.Session() as sess:
rand_array = np.random.rand(size, size)
start_time = time.time()
np.multiply(r
浏览 1提问于2016-12-20得票数 4
回答已采纳
1回答
这段tensorflow代码有什么问题？我似乎很晚才发现这个错误。它不会收敛。它在2点半停下来。
import tensorflow as tf
from tensorflow.examples.tutorials.mnist import input_data
mnist = input_data.read_data_sets("MNIST_data/", one_hot=True)
x = tf.placeholder(tf.float32, [None, 784])
W1 = tf.Variable(tf.zeros([784, 100]))
b1 = tf.Vari
浏览 0提问于2017-12-08得票数 0
我正在尝试实现一个简单的计算图框架，并使用简单的神经网络对其进行测试，主要是通过向TensorFlow学习。现在我想弄清楚TensorFlow是如何处理无形状张量的。
在中，X有shape [None, n_input]，weights['h1']有shape [n_input, n_hidden_1]，biases['b1']有shape [n_hidden_1]。当它尝试这样做的时候：layer_1 = tf.add(tf.matmul(x, weights['h1']), biases['b1'])，tf.matmul(x,
浏览 0提问于2017-09-24得票数 1
2回答
我是TensorFlow的新手，我试图在函数中打印向量的形状，该函数将从TensorFlow会话中调用。
问题是，只有在最初定义了这个函数模板(而不是在TensorFlow会话期间的每一次迭代中)时，才会执行这一行(显示注释掉)。如何添加打印语句，以便在每次TensorFlow迭代时调用它？
def Q(X):
# f_debug.write('Q(X) :: X.shape :: ' + str(X.shape) + '\n')
h = tf.nn.relu(tf.matmul(X, Q_W1) + Q_b1)
z = tf.matm
浏览 0提问于2018-04-11得票数 3
回答已采纳
1回答
利用Tensorflow构造了一种带退出的回归神经网络(NN)。我想知道是否有可能从输出文件中的前一层中找到哪些隐藏单元。因此，我们可以用C++或Matlab实现神经网络的结果。
下面是Tensorflow模型的一个例子。有三个隐藏层，一个输出层。在第三乙状结肠层之后，有一个概率等于0.9的辍学。我想知道是否有可能知道第三乙状结肠层中哪些隐藏单元被丢弃。
def multilayer_perceptron(_x, _weights, _biases):
layer_1 = tf.nn.sigmoid(tf.add(tf.matmul(_x, _weights['h1']
浏览 2提问于2016-05-26得票数 1
回答已采纳
如何将此Tensorflow 1.5代码转换为Tensorflow 2？ import tensorflow as tf
try:
Session = tf.Session
except AttributeError:
Session = tf.compat.v1.Session
A = random_normal([10000,10000])
B = random_normal([10000,10000])
with Session() as sess:
print(sess.run(tf.reduce_sum(tf.matmul(A,B)))) 主要的问题是Ses
浏览 186提问于2019-10-19得票数 3
回答已采纳
例如，在Tensorflow中，tf.matmul(x, y)等同于python3.5+中的x @ y。如果没有函数指示，Tensorflow如何隐式地知道如何将x @ y操作添加到图中？它是在C后端完成的吗？我到处找遍，什么都没找到。
浏览 2提问于2017-11-27得票数 1
回答已采纳
1回答
在tensorflow中，这三种乘两个矩阵的方法有什么区别？这三种方式是：
@
tf.tensordot()
tf.matmul()
我对他们进行了测试，他们给出了同样的结果。但我想知道有没有什么根本的区别。
浏览 24提问于2022-01-22得票数 0
回答已采纳
我做了一个张量流模型。但由于某些原因，总是会出现NAN损失。我想知道如何调试和查看每个张量中的每个值。
例如：-
out = tf.add(tf.matmul(outputs[-1], _weights['out']), _biases['out'])
在运行时，我想查看这个张量中的值，看看哪里出了问题。我在这个中找到了类似的东西
他们会做这样的事情
out = tf.add(tf.matmul(outputs[-1], _weights['out']), _biases['out'])
out = tf.Print(out,
浏览 2提问于2016-04-12得票数 4
我有2个三维张量A的形状(batch_size，dim1，dim2)和B的大小(batch_size，dim2，dim3).我想执行以下计算：
C = np.zeros((batch_size, dim1, dim3))
for i in range(batch_size):
c[i] = A[i].dot(B[i])
我尝试了C = tf.matmul(A,B)，但得到了错误：
tensorflow.python.framework.errors_impl.InvalidArgumentError:形状必须为2级，但对于输入形状为10、100、100、10、100的“MatMul”
浏览 0提问于2018-02-22得票数 0
在tensorflow中，函数tf.einsum、tf.matmul和tf.tensordot都可以用于相同的任务。(我意识到tf.einsum和tf.tensordot有更通用的定义；我也意识到tf.matmul具有批处理功能。)在这三个函数中的任何一个都可以使用的情况下，是否有一个函数往往是最快的？还有其他推荐规则吗？
例如，假设A是秩2张量，b是秩1张量，您想要计算乘积c_j = A_ij b_j。三个选项中的一个：
c = tf.einsum('ij,j->i', A, b)
c = tf.matmul(A, tf.expand_dims(b,1))
c = tf
浏览 1提问于2017-03-30得票数 21
回答已采纳
1回答
我正在按照本教程(https://medium.com/@jaschaephraim/elementary-neural-networks-with-tensorflow-c2593ad3d60b)使用单层神经网络实现AND门。完整代码如下： import tensorflow as tf
T, F = 1., -1.
bias = 1.
train_in = [
[T, T, bias],
[T, F, bias],
[F, T, bias],
[F, F, bias],
]
train_out = [
[T],
[F],
[
浏览 17提问于2020-04-07得票数 0
回答已采纳
我正在尝试实现这个中给出的图形卷积网络的部分代码。我注意到作者使用了不带形状参数的tf.eye()。当我尝试使用tensorflow 1重新运行相同的代码时，它给出了预期的错误，TypeError: eye() missing 1 required positional argument: 'num_rows'有人能解释一下文章中的tf.eye()是如何工作的吗?或者是否有其他方法初始化具有未指定形状的单位矩阵？这是代码(与tensorflow 1兼容，因为tensorflow2显然没有tf.placeolder())
import numpy as np
import net
浏览 0提问于2020-09-08得票数 0
Tensorflow具有以下功能：
tf.matmul
它将两个向量相乘，并产生一个标量。
但是，我需要执行以下操作：
# dense dim: (?,227)
dense_part = tf.nn.relu(some stuff here)
# softmax matrix dim: (?,227,19) or (?,19,227) or (?,227,227), where I
# ....can slice the last dim down to (?,227,19)
softmax_matrix = tf.matmul(dense_part,softmax_weight_var
浏览 1提问于2016-04-27得票数 8
在tensorflow文档()中，他们说"logits :未缩放的日志概率“。什么是“对数概率”？首先，我知道'logits'是一个'output before normalization'或'score for class'。
logits = tf.matmul(X,W) + b
hypothesis = tf.nn.softmax(logits)
如果我通过tf.matmul(X,W) + b获得[1.5, 2.4, 0,7]，那么[1.5, 2.4, 0,7]就是logits(score)，而这是未缩放的。到目前为止，我可以理解它
浏览 23提问于2018-01-28得票数 0
回答已采纳
在Tensorflow 2.0中，我们看到的主要“张量”实际上是EagerTensors (更准确地说是tensorflow.python.framework.ops.EagerTensor)：
x = [[2.]]
m = tf.matmul(x, x)
type(m)
# returns tensorflow.python.framework.ops.EagerTensor
但是，在某些情况下，我们有符号Tensor对象(tensorflow.python.framework.ops.Tensor)，就像TF1.X中的那样。
例如在角星中：
from tensorflow.keras.mo
浏览 0提问于2019-08-26得票数 11
1回答
我试图修改TensorFlow MNIST示例，以便在生成结果之前将占位符输入值传递给一个变量进行操作。
例如：
import tensorflow as tf
# create placeholder/weights/biases
input_x = tf.placeholder(tf.float32, [None, 784])
input_W = tf.Variable(tf.zeros([784, 10]))
input_b = tf.Variable(tf.zeros([10]))
# Create the new variable
var_x = tf.Variable(tf.z
浏览 2提问于2017-04-26得票数 1
我试图在tensorflow中创建简单的4层(包括输入层)神经网络来处理MNIST数据。它能很好地完成以下图形定义，
Graph1
with tf.name_scope("layer1"):
z1 = tf.matmul(x,w1) + b1
a1 = tf.nn.sigmoid(z1)
with tf.name_scope("layer2"):
z2 = tf.matmul(a1,w2) + b2
a2 = tf.nn.sigmoid(z2)
with tf.name_scope("layer3"):
z
浏览 0提问于2017-10-10得票数 0
回答已采纳
假设我有一个如下所示的神经网络
def neural_net(x):
layer_1 = tf.add(tf.matmul(x, weights['h1']), biases['b1'])
layer_1 = tf.nn.sigmoid(layer_1)
layer_2 = tf.add(tf.matmul(layer_1, weights['h2']), biases['b2'])
layer_2 = tf.nn.sigmoid(layer_2)
out_layer = tf.matm
浏览 1提问于2018-10-20得票数 1
我对Dropout层和Batch规格化层有一些疑问。基本上，我已经用Dropout层和批处理归一化层创建了一个简单的DNN结构，并对其进行了训练。
DNN模型的简单结构示例：
from tensorflow import keras
from tensorflow.keras import layers
model = keras.Sequential([
layers.Dense(10, activation='relu', input_shape=[11]),
layers.Dropout(0.3),
layers.BatchNormalizati
浏览 0提问于2021-01-15得票数 1
使用Keras变量调用tf.einsum会引发以下错误：
文件"/home/yotam/anaconda2/lib/python2.7/site-packages/tensorflow/python/ops/special_math_ops.py"，第256行，在_einsum_reduction raise ()中
ValueError
使用Tensorflow变量运行相同的命令将按预期工作。这是令人惊讶的，因为tensorflow中使用Keras变量(如tf.matmul )的其他命令工作正常。有什么不同，如何正确使用tf.einsum？
下面是一个使用einsum
浏览 1提问于2017-12-30得票数 0
回答已采纳
1回答
我是个机智的新手TensorFlow，最近几天我一直在学习它。我想了解的是，以下两种功能是否等效：
1.
softmax = tf.add(tf.matmul(x, weights), biases, name=scope.name)
2.
softmax = tf.nn.softmax(tf.matmul(x, weights) + biases, name=scope.name)
如果它们实际上是不同的，主要的区别是什么？
浏览 1提问于2016-02-29得票数 2
回答已采纳
我是Tensorflow的新手。我有两个张量/tensorflow对象，X和Y，它们基本上是两个矩阵。我对它们执行了一些计算，并希望打印它们的值。
output = tf.reduce_sum(tf.log(tf.exp(tf.matmul(tf.transpose(X), Y))))
print(output.get_shape()) #Shows ()
我想要得到output的值。我不能打印它。
尝试这样做：
init = tf.initialize_all_variables()
sess = tf.Session()
output = tf.reduce_sum(tf.log(tf.
浏览 1提问于2017-02-27得票数 0
回答已采纳
从打印输出来看，它是功能。但根据
操作是TensorFlow图中的一个节点，它以零或多个张量对象作为输入，并生成零或多个张量对象作为输出。类型操作的对象是通过调用Python构造函数(例如tf.matmul)或tf.Graph.create_op来创建的。
它是一个构造函数。所以我认为这是一个类名。但是，打印tf.matmul的返回值表明它是张量，而不是“类型操作的对象”。类张量是从类操作继承来的吗？我试图在tensorflow源代码中找到tf.matmul的定义，但没有得到它。
浏览 17提问于2019-11-15得票数 1
回答已采纳
9回答
我想知道是否有一种简单的方法来计算两个向量(即一维张量)的点积，并在tensorflow中返回标量值。
给定两个向量X=( x1，...，xn)和Y=( y1，...，yn)，点积为点(X，Y) =x1*y1+ ... + xn * yn
我知道可以通过首先将向量X和Y传播到2维张量，然后使用tf.matmul来实现这一点。然而，结果是一个矩阵，而我想要的是一个标量。
有没有像tf.matmul这样的特定于向量的运算符？
浏览 1提问于2016-11-18得票数 26
当我尝试使用tensorflow中的sparse_softmax_cross_entropy_with_logits损失函数时，我得到了NaN。我有一个简单的网络，类似于：
layer = tf.nn.relu(tf.matmul(inputs, W1) + b1)
layer = tf.nn.relu(tf.matmul(layer, W2) + b2)
logits = tf.matmul(inputs, W3) + b3
loss = tf.sparse_softmax_cross_entropy_with_logits(logits, labels)
我有很多类(~10000)，所以我
浏览 0提问于2016-09-20得票数 7
回答已采纳
tensorflow 2.x的代码如下：
将tensorflow作为tf导入
导入操作系统
将tensorflow_datasets作为tfd导入
=tf.distribute.cluster_resolver.TPUClusterResolver(tpu='grpc://'+‘’COLAB_TPU_ADDR‘)
tf.config.experimental_connect_to_cluster(resolver)
tf.tpu.experimental.initialize_tpu_system(resolver)
策略= tf.distribute.experimental
浏览 3提问于2020-06-01得票数 0
1回答
我正在尝试将神经网络的一些keras代码更改为tensorflow代码。我挑选了一些使用keras进行深度sarsa的代码片段，如下所示。
模型的整个keras代码：
model = Sequential()
model.add(Dense(30, input_dim=15, activation='relu'))
model.add(Dense(30, activation='relu'))
model.add(Dense(5, activation='linear'))
model.summary()
浏览 4提问于2019-01-30得票数 0
我正致力于支持新架构的TensorFlow。
考虑以下TensorFlow代码：
import tensorflow as tf
import random as r
def random_10x10():
return [[r.normalvariate(1.0,1.0) for i in range(10)] for j in range(10)]
a = tf.placeholder(tf.float32, shape=[10, 10])
b = tf.placeholder(tf.float32, shape=[10, 10])
c = tf.placeholder(tf.f
浏览 0提问于2016-12-22得票数 2
回答已采纳
我有一个有几个模块的tensorflow图，我想从其中一个模块(参数更新之前)重用以前的网络状态，以便在下一个状态(参数更新之后)评估输入。
示例
考虑一下玩具示例，在这个示例中，我希望在timestep t上基本上复制t，以便在下一个培训步骤t+1中使用。
def network_A(x):
A1 = tf.matmul(x, A_W1) + A_b1
return tf.nn.relu(A1)
def network_B(x):
B1 = tf.matmul(x, B_W1) + B_b1
Z1 = tf.nn.relu(B1)
B2 = tf.m
浏览 0提问于2018-02-01得票数 1
2回答
这样做的目的是什么？
with tf.name_scope('Layer1') as n1:
w = tf.Variable(tf.truncated_normal((50*50, 120), mean=0, stddev=0.01))
b = tf.Variable(tf.zeros([120]))
o = tf.nn.relu(tf.matmul(X, w)+b)
我猜想这是为了可读性，这样您就可以在代码块(name_scope)之外重用变量名，并且它不会产生更深刻的有意义的后果。
我什么时候使用它，有什么好的场景？tensorflow从业者经常使
浏览 0提问于2018-07-05得票数 0
1回答
如何创建新的tensorflow库？例如，我想写一些tensorflow代码，矩阵乘法：
# File custom_matmul.py
import tensorflow as tf
matrixA = ...
matrixB = ...
matrixC = tf.matmul(...)
在另一个python文件中，我想做这样的事情：
import tensorflow as tf
tf.custom_matmul...
或者使库成为库层的一部分
tf.layers.custom_matmul
更简单的是，我想创建自己的库并将其集成到标准的tensorflow库/框架中。
浏览 16提问于2018-08-30得票数 0
假设我有以下张量：
X = np.zeros((3,201, 340))
Y = np.zeros((340, 28))
用numpy成功地制作X，Y的点积，并产生形状(3,201，28)的张量。然而，使用tensorflow时，我得到了以下错误：Shape must be rank 2 but is rank 3 error ...
最小代码示例：
X = np.zeros((3,201, 340))
Y = np.zeros((340, 28))
print(np.dot(X,Y).shape) # successful (3, 201, 28)
tf.matmul(X, Y) # err
浏览 22提问于2017-12-25得票数 2
回答已采纳
我有一个大小为( M，N，N)的三维张量A和一个大小为M的一维张量p。我想计算矩阵的加权和：
在NumPy中，我实现了以下代码：
import numpy as np
temp=np.array([p[m]*A[m] for m in range(M)])
B=sum(temp);
我想在TensorFlow中做同样的事情，但我似乎找不到任何内置的操作来执行同样的操作。我尝试了tf.matmul和tf.mul，但它们似乎没有给出预期的结果。有人能给我推荐一种在TensorFlow中做这件事的正确方法吗？
浏览 2提问于2017-02-04得票数 1
1回答
我查看了中的API，并注意到在python和numpy中已经存在的许多数学操作已经被重新实现了(或者至少提供了一个tensorflow接口)。例如：
有充分的理由这么做吗？
我一直在搜索他们的页面，但找不到他们为什么要这么做。
不过，我确实有一些猜测。我的主要猜测之一是，他们可能希望这些操作对实现的任何神经网络图具有一定的反向传播效果。换句话说，让他们的衍生工具得以实施。这就是原因之一吗？(真希望我知道如何检查我的猜测是否正确)
例如，在最基本的线性回归示例中，定义了要实现的预测函数：
product = tf.matmul(x,W)
y = product + b
而不是
prod
浏览 5提问于2016-06-19得票数 4
回答已采纳
model9 = tf.nn.relu(tf.matmul(x1,w9)+b)
model10 = tf.nn.sigmoid(tf.matmul(model9,w10)+b)
error = tf.reduce_mean(tf.square(model10-y))
train = tf.train.AdamOptimizer(learning_rate=0.001).minimize(error)
tensorflow真的如此聪明吗?它会“迭代”所有层，检查激活函数，并根据激活函数导数应用梯度体面吗？
如果我认为模型9的学习率应该是0.01呢？那么我怎样在网络上配置那个呢？
浏览 3提问于2017-09-25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
腾讯会议
实时音视频活动推荐
腾讯云开发者
