2回答
我对矢量化知之甚少，但我很感兴趣的是，为什么像python这样的语言不能通过库接口为可迭代对象提供矢量化，就像它提供线程支持一样。我知道许多numpy方法都是矢量化的，但它可能会限制必须使用numpy进行泛型计算。
我目前的理解是，即使函数与"SIMD“模式匹配，python也不能向量化函数。例如，在理论上，任何列表理解或map()函数的使用都不应该是可向量化的，因为它们输出的列表是在输入列表的独立输入上运行相同函数的结果？设计一个提供simd_map(fun
浏览 0提问于2019-09-21得票数 2
1回答
我使用TensorFlow 1.12对于tf.map_fn，这可能是可能的，但我希望尽可能地保持这些操作的矢量化。实现它的最佳矢量化方法是什么？
浏览 2提问于2019-01-31得票数 0
我有一种情况，我有一批图像，在每一张图像中，我必须对该图像中的一个小块执行一些操作。现在的问题是，补丁大小在批处理中的每个图像中都是可变的。所以这意味着我不能把它矢量化。我可以通过考虑图像中所有像素的范围来向量化，但是我的每个图像的补丁大小实际上是一个很小的部分，我不想在这里浪费我的内存，执行操作并存储每个图像中所有像素的结果。
所以简单地说，我需要一个循环。因此，我的问题是，如果我使用简单的python样式for循环来执行对张量的操作，那么自动will会不能计算出我的图中的梯度吗？
浏览 0提问于2017-07-31得票数 0
回答已采纳
1回答
当试图在本地(使用docker compose)将~10k项数组(确切地说是10810项)插入到我的Weaviate实例时，我遇到了以下错误： at ClientRequest.<anonymous> (/Users/bram/Dropbox/PARA/Projects/weaviate-kindle/node_modules/node-fetch/index.js:133:11)
浏览 35提问于2022-11-03得票数 1
1回答
我有一个自定义的语音识别模型，转换为TFLite，在PC上的python中表现出色。在Android上运行相同TFLite模型的推理时，精度会下降。所有的处理都发生在TFLite模型层(特征提取等)。在python和Android中，对模型的输入是波形，输出是逻辑。我已经检查过了，Android上有一个很好的麦克风输入，但是模型的性能比在PC上要差得多。我在我的模型中有批规范化层，我怀疑它们可能是问题所在。我不知道为什么Android和python之间会有不一致。还有人遇到这个问题吗？量化-我的模型被<e
浏览 0提问于2021-10-04得票数 1
1回答
我已经用Numpy在Python中构建了一个CNN，它是用小批量梯度下降训练的，用于MNIST数字分类。当训练批量为1时，5次训练所需时间约为1200次s，仅比16 ~ 256次间歇训练慢40%左右。第4批和第8批分别需要940名S和890 S。当我训练它超过5个周期，批号为16，32或256，时间大约是850 S(这三种大小大致相同)。我希望用我的矢量化代码将训练更大批的计算成本降到最低。批处理大小似乎没有使用任何磁盘内存。为什么时差这么小，为什么时间停滞在大约850 S的5个时代？
浏览 0提问于2021-03-15得票数 1
1回答
什么时候停止收集数据？
、、、
在收集了一些批之后，我可以定位并创建集群。然而，当我收集更多的数据时，正在进行一些小的改进，而新的结果并不值得付出努力。如何确定新批次是否“值得”收集？我是否可以用某种度量来衡量我有多少批次是“相似的”，或者一个新的随机批是否会影响整个过程？
浏览 0提问于2018-12-05得票数 1
我基本上有一批神经元激活在张量A的形状[batch_size, layer_size]中的一个层。让B = tf.square(A)。现在，我想对这个批中每个向量中的每个元素计算以下条件：if abs(e) < 1: e ← 0 else e ← B(e)，其中e是B中与e位于相同位置的元素。我可以用一个tf.cond操作来矢量化整个操作吗？
浏览 7提问于2016-06-19得票数 12
回答已采纳
看看来自tensorflow网站的mnist示例，x是一个符号占位符，每次训练迭代都会用一批新的图像填充，所以这里的“None”也可以是“batch_size”。train_step.run(feed_dict={x: batch[0], y_: batch[1], keep_prob: 0.5})
我的问题是，当我们将值提供给x时，tensorflow是否会自动向量化涉及如果x是ndarray，每一行都是一个平面化的图像，因为我们在x占位符tensorflow中指定了shape 'None‘，它会自动知道使用每一行作为单独的训练样本，并向
浏览 1提问于2016-08-04得票数 0
回答已采纳
2回答
SSE和AVX本质混合物
、、、、
假设我们需要以以下方式对某些循环进行矢量化: 1)通过AVX将第一个循环批处理(乘以8)矢量化。2)将循环的余数分成两批。通过SSE将4倍的批处理矢量化。3)通过串行程序对整个循环的剩余批进行处理。
浏览 7提问于2013-08-19得票数 6
回答已采纳
我在处理大量的图像例如
=>learn 50年代
=>learn 50划时代第1批，学习50划时代第2批.
浏览 1提问于2020-10-27得票数 0
回答已采纳
我正从python迁移到C，希望更快地实现，并尝试学习C中的矢量化，相当于python矢量化。例如，假设我们有二进制数组Input_Binary_Array，如果我想要将索引的每个元素(例如，i )乘以2**i，然后在python向量化中，将所有非零的求和进行如下操作：1.常数(标量)元素加法，减法，除法两个给定的相同大小的数
浏览 3提问于2022-07-13得票数 1
这可能是相关的，也可能是另一个问题，但是当I cnn.evaluate(x_train，x_train，batch_size=X)的结果从+0.88到-0.88之间变化，值之间取决于我如何选择批大小X(
浏览 3提问于2019-09-12得票数 0
回答已采纳
在Keras中，我希望以Coubariaux等人的方式训练具有二进制权重的网络，但我无法确定代码中的量化(二进制化)应该发生在哪里。培训方法的一个核心方面是：在前传中使用二进制值权值来计算活动.二进制值的权重在下一批之前不会改变，在下一批时，通过对最近更新的实值权重进行二值化来重新计算它们。不幸的是，我的Python知识不是很深，所以对我来说，理解代码流有点困难。
**注意
浏览 0提问于2016-10-14得票数 1
我正在测试两个具有相同架构的CNN(我正在用Windows操作系统在我的笔记本上测试它们)：
第一个模型:使用TensorFlow优化的TFLite模型及其权重量化(使用Python进行转换，用tensorflow.lite.Optimize.DEFAULT量化)。第二个模型:使用TensorFlow优化的TFLite模型及其权重和激活，对进行量化(使用Python进行转换，用tensorflow.lite.Optimize.DEFAULT +进行量化，给出一个有代表性的数据集实际上
浏览 2提问于2021-02-04得票数 0
如何将量化的元素放入构建的内容中？我看到它被包含在获取的依赖项中，但我没有看到量化的元素实际被构建。在交叉编译的目标上使用量化网络加载示例网络，并使用python在主机上转换为量化网络(并优化反量化/量化操作)，然后将其保存下来以供目标上的基准测试使用的过程？
浏览 1提问于2016-07-06得票数 0
1回答
修正训练后丹森流模型的批量
、、、、
问题是在训练后的量化过程中，我不能有任何动态输入，因此没有“无”，而使用edgetpu编译器时，批大小不能大于1。
我目前的方法是再训练一次，固定的批次为1，但这有点乏味。
浏览 5提问于2021-10-12得票数 2
1回答
如何对抗数据漂移
、、、、
每个月我都会得到一批1000行的这类数据(没有标签)，我需要将这些数据放入经过训练的模型中，以预测新批数据集中的每个人最有可能购买的项目(多类分类问题)。如果我的测试显示，我的新一批数据的汇总统计数据或分布到我的培训集有很大的不同。对我的培训集，或我的整体工作流程做任何修改，以适应这一点？
据我所知，这是数据漂移。我说的对吗？如果输入的批次数据被贴上标
浏览 0提问于2022-09-14得票数 8
回答已采纳
在Python3.7中运行"tensorflowjs_converter“时。它报告了错误：
TypeError: JSON内容被要求是一个dict，但是找到了类‘’list‘。，文件"C:\Users\admin\AppData\Roaming\Python\Python37\Scripts\tensorflowjs_converter.exe__main__.py"，第7行，文件"C:\Users\admin\AppData\Roaming\Python\Python<
浏览 4提问于2019-12-05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
对象存储
腾讯会议
实时音视频活动推荐
腾讯云开发者
