tensorflow tf.pad输出形状
TensorFlow是一个开源的机器学习框架，tf.pad是其中的一个函数，用于在张量的边界上填充0或其他指定的值。
tf.pad的输出形状取决于输入张量的形状和填充参数。填充参数是一个表示在每个维度上填充量的列表或张量。对于每个维度，填充量可以是一个长度为2的列表，分别表示在该维度的起始和结束位置上的填充量；也可以是一个长度为1的列表，表示在该维度的起始和结束位置上的填充量相同。
假设输入张量的形状为batch_size, height, width, channels，填充参数为[0, 0, pad_top, pad_bottom, pad_left, pad_right, 0, 0]，其中pad_top、pad_bottom、pad_left和pad_right是填充量。
输出张量的形状为batch_size, height + pad_top + pad_bottom, width + pad_left + pad_right, channels。可以看出，输出张量在每个维度上的大小都增加了填充量。
tf.pad的应用场景包括但不限于以下几个方面：
- 图像处理：在图像边界上进行填充，以便进行卷积操作或保持图像的大小一致。
- 自然语言处理：在文本序列的开头或结尾进行填充，以便进行批处理或保持序列的长度一致。
- 视频处理：在视频帧的边界上进行填充，以便进行视频处理或保持视频帧的大小一致。
腾讯云提供了多个与TensorFlow相关的产品，包括但不限于：
- AI Lab：提供了基于TensorFlow的深度学习开发环境，可用于训练和部署模型。
- AI 机器学习平台：提供了基于TensorFlow的机器学习平台，可用于构建和管理机器学习项目。
- 弹性GPU服务：提供了基于GPU的计算资源，可用于加速TensorFlow模型的训练和推理。
更多关于腾讯云的产品和服务信息，请访问腾讯云官方网站：https://cloud.tencent.com/
相关·内容
1回答
我尝试使用tf.pad作为shape (?, M, N)的图像，这里的?是批量大小(不固定)，M和N分别是图像的高度和宽度。我的tensorflow版本是1.14。
例如，如果输入x (带有dtype=tf.float32)来自MNIST，则批处理大小未知的M=N=28为? : (?, M, N)。
为了使用填充大小: (1,1,1,1)填充(零)此图像，以便输出大小为(?, 30,30)，我使用以下代码：
paddings = tf.constant([[1,1], [1,1]])
output = tf.pad(x[1:], paddings, "CONSTANT", c
浏览 0提问于2020-05-11得票数 0
1回答
我正在尝试在Tensorflow中构建一个序列序列模型，我遵循了几个教程，一切都是好的。直到我达到这样一个地步，我决定取消老师的强制在我的模式。下面是我正在使用的解码器网络示例：
def decoding_layer_train(encoder_state, dec_cell, dec_embed_input,
target_sequence_length, max_summary_length,
output_layer, keep_prob):
"""
Create a deco
浏览 1提问于2018-08-02得票数 4
回答已采纳
1回答
我想用tensorflow计算一些值的自相关。我可以用scipy / numpy来计算，但我还没有搞清楚，如果用tensorflow可以的话。
我想要的是：
import tensorflow as tf
from scipy import signal
import numpy as np
import tensorflow_probability as tfp
import matplotlib.pyplot as plt
test_data = tf.random.normal((100,))
plt.plot(signal.correlate(test_data, test_dat
浏览 4提问于2021-02-05得票数 1
回答已采纳
我试图在Keras中实现一个对称填充层，这就像Caffe如何实现它一样，我遇到了一个奇怪的问题。
假设我们有一个带有1x1280x1280x3通道的3图像，我们想要对它执行卷积，这样它就会返回一个带有96通道的形状1x320x320x96的对象。在Caffe中，我们可以在卷积层中设置pad参数：
input: "image"
input_shape {
dim: 1
dim: 3
dim: 1280
dim: 1280
}
layer {
name: "conv1"
type: "Convolution"
bottom
浏览 0提问于2019-02-12得票数 1
回答已采纳
我正在使用tensorflow用LSTM构建一个seq2seq模型。我使用的损失函数是softmax交叉熵损失。问题是我的输入序列有不同的长度，所以我填充它。模型的输出具有形状[max_length, batch_size, vocab_size]。如何计算0填充值不影响损失的损失？tf.nn.softmax_cross_entropy_with_logits提供轴向参数，可以用三维方法计算损耗，但不提供权值。tf.losses.softmax_cross_entropy提供权重参数，但是它接收到形状[batch_size, nclass(vocab_size)]的输入。请帮帮我！
浏览 3提问于2017-12-29得票数 3
回答已采纳
我想在谷歌ML引擎上建立一个中文情感分析。我的输入是字符串作为句子，我还需要做一些字符串处理，如替换换行符，拆分字符串为字符和填充字符序列到固定长度。
这是我的示例代码，我想尝试一下我的想法：
import tensorflow as tf
input_x = tf.placeholder(tf.string, [None])
cleaned_x = tf.regex_replace(input_x, '[\s]+', '')
chars_x = tf.string_split(input_x, delimiter='', skip_empty=
浏览 0提问于2018-04-09得票数 1
Torch有一个类似于nn.Concat的函数nn.DepthConcat，除了它用零填充，以使所有非通道暗淡的大小相同。我一直试图在tensorflow中实现这一点，但运气不佳。如果我知道在图形构建时所有张量的大小，这似乎是可行的：
def depthconcat(inputs):
concat_dim = 3
shapes = []
for input_ in inputs:
shapes.append(input_.get_shape())
shape_tensor = tf.pack(sha
浏览 1提问于2016-08-17得票数 0
回答已采纳
1回答
我正在尝试编码一个自动编码器，它采用张量的形状(无，194,434,626，3)。问题是，在maxpool之后，维度变得奇怪，下一个maxpool将其舍入。在使用upsample解码时，输出维数不能与输入维数相同。我认为在but池之前填充可能会有帮助，但tf.pad不会影响张量。
x = Activation('relu')(x)
print(x.shape)
tf.pad(x, [[0,0],[0,1],[0,1],[0,1],[0,0]], "CONSTANT")
print(x.shape)
encoded = MaxPooling3D(pool_size
浏览 0提问于2019-06-21得票数 1
我对tensorflow几乎是新手，当我通过一些教程学习tensorflow时，我阅读了以下代码：
if stride == 1:
return slim.conv2d(inputs, num_outputs, kernel_size, stride=1, padding='SAME', scope=scope)
else:
pad_total = kernel_size - 1
pad_beg = pad_total // 2
pad_end = pad_total - pad_beg
inputs = tf.pad(inputs, [
浏览 0提问于2018-07-16得票数 2
1回答
在tensorflow函数中，填充选项只有'SAME‘和'VALID’。
但是在Caffe的conv层中，可以定义(隐式地)添加到输入的每一侧的像素数。
如何在Tensorflow中实现这一点？
非常感谢。
浏览 2提问于2016-06-06得票数 16
回答已采纳
1回答
我使用AveragePooling2D*N*N在keras中实现了一个简单的和池，因此它创建了一个具有某种形状的池中元素的和，same填充，这样形状就不会改变：
import numpy as np
import seaborn as sns
import matplotlib.pylab as plt
import tensorflow as tf
from tensorflow.keras.backend import square
#generating the example matrix
def getMatrixByDefinitions(definitions, width,
浏览 2提问于2020-12-10得票数 1
回答已采纳
我已经找到了解决办法
Matlab：
Numpy：
但不是在坦索弗洛。我发现的最接近的问题是：
然而，这只是计算第一组，而不是寻找最大的组。基本上，如果有一个与Matlab的RCUMSUMC等价的Tensorflow，这个问题就很容易解决。
我的输入是形状为NxHxW的二进制张量，输出预期为NxW，其中每一列代表最大的连续列数：
Input = [[1,1,0,0,1,0,1,1,1,1,0,0,1],
[1,0,0,1,1,1,1,1,1,0,0,1,0],
[0,0,0,1,1,1,0,0,1,0,1,1,0]]
Output = [4,6,3]
浏览 2提问于2019-11-26得票数 3
回答已采纳
在我的Keras模型中，我试图将形状未知的张量(但固定的秩)放置到固定的形状上。张量是string型的，所以我不能使用tf.keras.preprocessing.sequence.pad_sequences或tf.image.pad_to_bounding_box。
我想使用tf.pad，但问题是我不知道张量的形状，所以我必须动态地计算填充长度。我怎么能这么做？
我目前的方法是这样的，但不起作用：
def pad_to_length(t: tf.Tensor, target_length: int):
return tf.pad(t, [0, target_length-t.shap
浏览 5提问于2022-01-18得票数 1
我打算在我的实验中使用跳过连接的概念。基本上，在我的管道中，在Conv2D之后的功能映射将被堆叠或连接。但是，特征图的形状不同，并试图将它们叠加成一个张量，这给我带来了错误。有没有人知道在tensorflow中是否有可能正确地做到这一点？有什么想法或想法来实现这一点吗？谢谢
idea流程图
下面是我想做的管道流程图：
我的情况略有不同，因为我在Conv2D之后使用了额外的构建块，现在它的输出是feature maps of 15x15x64等等。我想将这些特性叠加成一个，然后再将其用于Conv2D。
我的尝试
这是我可重复的尝试：
import tensorflow as tf
fr
浏览 2提问于2020-08-19得票数 2
回答已采纳
我很难正确地执行剩余块。当试图将input_tensor和卷积层的结果相加时，我得到了形状不匹配的错误。我不知道怎么解决这个问题。我得到了
ValueError: Operands could not be broadcast together with shapes (25, 32) (25, 31)
(25，31)是input_tensor大小。我认为在conv层中设置padding='same'可以使其(25,32)四舍五入，这就是我不能添加它们的原因。
实际上，打印形状会给出：
input.shape= (None, 25, 31)
out.shape= (None,
浏览 14提问于2020-08-09得票数 0
我想增加rnn或lstm细胞的反复重量。
如果您查看下面的代码，您将看到lsrm单元格输入的形状是(2,1)，这意味着有2个时间步骤和1个特性。
%tensorflow_version 2.x
import tensorflow as tf
m = tf.keras.models.Sequential()
lstm = tf.keras.layers.LSTM(1, use_bias=False)
input = tf.keras.Input(shape=(2,1))
m.add(input)
m.add(lstm)
lstm.get_weights()
输出是
[array([[ 0.
浏览 5提问于2020-03-04得票数 0
回答已采纳
1回答
我正在尝试在TensorFlow2.x中编写一个自定义损失函数，它鼓励输出空间( 2D矩阵)中的渐变梯度。因此，作为损失函数的一个组成部分，我想接受一个张量，并返回一个张量，其中每个单元代表原始张量中相应相邻单元的平均值。 ? 例如，以左上角的单元格为例: 6.3 = (7 +9+ 3)/3，或者以中间的单元格为例: 4.5 = (1 +3+5+7+8+6+4+ 2)/8。 考虑以下代码： def gradient_encouraging_loss(y_true: Tensor, y_pred: Tensor) -> Tensor:
gradient_loss: Ten
浏览 10提问于2020-08-18得票数 1
回答已采纳
我使用一个简单的卷积网络，但是，我需要使用非常具体的填充:我想复制最近的像素值，如下所示： 1 2 3
4 5 6
7 8 9 至 1 1 2 3 3
1 1 2 3 3
4 4 5 6 6
7 7 8 9 9
7 7 8 9 9 虽然我计算pad本身没有问题，但我不能将其用于卷积。有没有办法将这些值放入tensorflow pad中？或者我可以修改图像，使其包含填充，但是如何设置卷积来处理第一行和最后一列作为填充？
浏览 5提问于2021-04-29得票数 0
回答已采纳
我正在尝试理解caffe和tensorflow的填充差异。
我已经阅读了以下文章：
通过这些，我了解到tensorflow执行非对称填充，caffe执行对称填充。
我的问题是-如果您有tensorflow模型的卷积层的填充值，如何将这些值转换为caffe卷积层中的等效填充值？公式是什么？
For example (Tensorflow model):
Input = 224x112x3
Convolution - 7x7x64 ; stride 2; SAME padding
Output size = 112x56x64
tensorflow填充是(非对称的)：
Padding t
浏览 2提问于2018-12-21得票数 0
2回答
我正在做一个使用音频和文本对情绪进行分类的项目。我将音频和文本传递给1D CNN，并获得以下输出数组：
audio_features_shape = (396, 63, 64)
text_features_shape = (52, 1, 64)
现在，我想将这两个不同维数的数组堆叠成一个，这样就可以将一个数组传递给LSTM。我想要的形状是：
expected_array_shape = (448, 64, 128)
我尝试了以下方法，但没有人给出我想要的输出。
x = np.column_stack((audio_features, text_features))
x = np.concate
浏览 4提问于2021-11-03得票数 0
我正在尝试用python加载imdb数据集。我想要填充序列，以便每个序列具有相同的长度。我现在正在用numpy做这件事。在tensorflow中使用tf.pad做这件事的好方法是什么？我看到了给定的，但我不知道如何将其应用于2D矩阵。以下是我当前的代码
import tensorflow as tf
from keras.datasets import imdb
max_features = 5000
print('Loading data...')
(x_train, y_train), (x_test, y_test) = imdb.load_data(num_words=
浏览 0提问于2017-04-09得票数 1
我正在尝试在tensorflow中训练模型，并获得一些张量的形状。但是即使我使用形状函数，我也看不到张量形状。我只能看到以下输出。 我应该怎么做才能看到张量的形状？ 代码： # mat is <class 'tensorflow.python.framework.ops.Tensor'>
tf.print(mat.shape) 输出： TensorShape([None, None])
浏览 27提问于2021-08-27得票数 1
我有形状为(batch_size，200，256)的LSTM层的输出，其中200是令牌序列的长度，256是LSTM输出尺寸。我还有另一个带有形状的张量(batch_size)，它是我想要从批处理中的每个样本序列中切出的标记的索引列表。 如果令牌索引不是-1，我将切出一个令牌向量表示(length = 256)。如果标记索引为-1，我将给出零向量(长度= 256)。 预期的输出结果具有形状(batch_size，1，256)。我该怎么做呢？ 谢谢你 以下是我到目前为止所尝试的 bidir = concatenate([forward, backward]) # shape = (batch_s
浏览 18提问于2019-10-12得票数 1
回答已采纳
2回答
我的conv2d函数的输出是一个四维张量[64, 32, 32, 64] = [batch_size, output_height, output_width, number of filters].我想在两边做3行，两边也做3列到输出矩阵的0。所以，这就是为什么我想要创建一个类似的张量(mask_tensor)，大小为[64, 26+3(zero_pad), 26+3 (zero_pad), 64]，并与原始矩阵相乘。我想要访问[26, 26]并在上面放置零填充.如何获取张量的内维？
import tensorflow as tf
drop_matrix = tf.constant(1,
浏览 2提问于2018-04-30得票数 0
回答已采纳
1回答
如何在tensorflow中叠加不同长度的向量，例如
[1, 3, 5]
[2, 3, 9, 1, 1]
[6, 2]
得到零填充矩阵
[1, 3, 5, 0, 0]
[2, 3, 9, 1, 1]
[6, 2, 0, 0, 0]
向量计数在定义时是已知的，但它们的长度不是。向量是使用tf.where(condition)生成的
浏览 2提问于2017-10-29得票数 2
回答已采纳
我正在尝试创建一个4维图像张量的掩模张量(批次，h，w，通道)，批次的大小可能会有所不同。蒙版基本上是图像上的一个矩形区域，具有给定的x和y位置。X和y也是上层的张量。在numpy中，它类似于：
imagetensor.shape =(none,h,w,c)
mask[:]=0
mask[:,y1:y2,x1:x2,:]=1
我尝试将掩码设置为变量，但它需要输入图像的形状。我找不到一种方法来设置掩码的x和y值。有没有有效的方法来做到这一点？
浏览 13提问于2021-03-02得票数 0
我正在尝试弄清楚如何在pytorch中做以下填充的tensorflow等价物： nn.ReplicationPad2d((1, 0, 1, 0)) 我尝试了以下方法，但这似乎只有在输入张量实际为2x2时才有效： tf.pad(my_tensor, [[1, 0], [1, 0]], "SYMMETRIC")
浏览 40提问于2019-02-22得票数 0
回答已采纳
我需要将零填充到从TFRecord文件读取的张量(代码片段中的“数组”)。因为我使用的训练模型要求它们的形状应该是相同的。然而，我的输入有不同的宽度和长度。因此，我试图计算我应该填充的代码段中的零数('paddings = tf.Variable([0，targetLength,0，targetWidth]])。但是，tensorflow引发了InvalidArgumentError，我的代码中从未出现"arg0“值。
变量数组的示例如下：
[1,0,1,0]
[2,0,2,0]
我应该把它塞到
[1,0,1,0,0,0]
[2,0,2,0,0,0]
[0,0,0,0,0,0]
浏览 0提问于2017-12-16得票数 1
给定以下张量： <tf.Tensor: shape=(59,), dtype=int64, numpy=
array([1, 1, 0, 1, 0, 1, 1, 1, 1, 1, 0, 1, 0, 1, 0, 1, 1, 1, 1, 1, 1, 1,
1, 1, 1, 1, 1, 1, 1, 1, 1, 0, 1, 2, 2, 1, 1, 1, 1, 1, 2, 2, 1, 1,
1, 0, 1, 2, 1, 1, 1, 1, 2, 1, 1, 1, 1, 1, 1])> 重塑它并将其填充到(32, 59)中的正确方法是什么？在keras文档中，我尝试
浏览 28提问于2021-07-26得票数 0
作为TensorFlow 的初学者，我无法理解为什么tensorflow.rank总是返回带空值的形状？
，这就是我正在做的：
import tensorflow as tf
%tensorflow_version 2.x
list_2d = [[1,2,3,4],
[5,6,7,8],
[9,10,11,12]
]
tensor_2d = tf.Variable(list_2d)
print(tensor_2d.shape)
print(tf.rank(tensor_2d))
，输出为
(3, 4)
tf.Tensor(2, shape
浏览 6提问于2020-05-24得票数 2
回答已采纳
1回答
在TensorFlow示例(https://www.tensorflow.org/tutorials/generative/dcgan#the_鉴别器)中，鉴别器只有一个输出神经元(假设为batch_size=1)。
然后，在训练回路中，利用具有形状BinaryCrossentropy的鉴别器输出，计算发电机的1损耗。然后，它计算损失梯度插入预测和标签到dBinaryCrossentropy导数，其结果形状也是1。当生成器的形状不匹配，而1层期望其形状与其输出匹配时，该Conv2DTranspose形状梯度是如何向后输入的？
\frac{dL}{dZ} = \frac{dL}{dA}*\fra
浏览 0提问于2023-01-28得票数 0
回答已采纳
只是想知道我怎样才能在tensorflow中进行一维卷积。具体来说，希望将此代码替换为tensorflow：
inputs = F.pad(inputs, (kernel_size-1,0), 'constant', 0)
output = F.conv1d(inputs, weight, padding=0, groups=num_heads)
浏览 0提问于2019-06-30得票数 5
回答已采纳
当我运行以下代码时：
import tensorflow as tf
pivot = tf.constant([1, 2])
my_ones = tf.ones([2, 3])
padded = tf.pad(my_ones, [[pivot[0], 0], [1,1]])
sess = tf.Session()
init_op = tf.initialize_all_variables()
sess.run(init_op)
my_ones_var = sess.run(padded)
print("my_ones, ", my_ones_var)
在包含tf.pad()
浏览 2提问于2016-05-08得票数 2
我们如何在TensorFlow.js中实现tf.keras.preprocessing.sequence.pad_sequences？ encoded_text = tokenizer.texts_to_sequences([input_text])[0]
pad_encoded = pad_sequences([encoded_text], maxlen=seq_len, truncating='pre')
浏览 22提问于2021-02-01得票数 1
回答已采纳
我有两个张量，形状为(100, 4)和(100, 2)。我想在TensorFlow中执行一个连接操作，类似于np.hstack，在NumPy中，这样输出将是形状的(100, 6)。有一个TensorFlow函数来完成这个任务吗？
浏览 5提问于2017-04-13得票数 10
回答已采纳
假设我有几个不同形状的张量A_i，N_i，N_i，在tensorflow中可以用这些矩阵在对角线上创建块对角矩阵吗？现在我能想到的唯一方法是通过堆叠和添加tf.zeros完全自己构建它。
浏览 0提问于2017-02-10得票数 7
回答已采纳
在Tensorflow中进行操作时，我必须在REGISTER_OP注册操作期间设置输出的形状。
具体来说，据我所知，我使用了SetShapeFn来设置输出。但是，如果我不能修复输出的形状，我就没有办法设置输出的形状。
到目前为止，如果我不能修复输出形状，我会将输出的形状设置为UnknownShape，但我担心在运行此操作期间存在一些缺点。
如果我将输出形状设置为UnknownShape会有什么不好的效果吗？
我想得到一些建议。
谢谢。
浏览 32提问于2018-08-07得票数 0
我正在尝试使用TensorFlow的 (在TensorFlow版本1.12.0中实现)建立一个神经网络。请考虑以下例子：
import tensorflow as tf
from tensorflow.contrib.layers import fully_connected
from tensorflow.contrib.nn import alpha_dropout
import numpy as np
N_data = 100
x_in = tf.placeholder(tf.float32, shape=[None, N_data], name="x_in")
kee
浏览 1提问于2019-04-23得票数 1
回答已采纳
最近，我尝试使用tensorflow来实现基于文章cnn+ctc的网络。
我尝试将分批光谱图数据(形状：( 10,120,155，3)，batch_size为10)输入到10个卷积层和3个完全连接层。因此，连接ctc层之前的输出是2d数据(形状：(10,1024))。
这是我的问题:我想在tensorflow库中使用tf.nn.ctc_loss函数，但是它生成输入形状为：？，1024，3的ValueError:维度必须是2，但对于“Transpose”(op：‘Transpose’)来说是3。
我猜这个错误与我的2d输入数据的维数有关。ctc_loss函数在tensorflow官方站点中的描述
浏览 1提问于2017-06-26得票数 1
我知道这有点愚蠢，因为BigQueryML现在为KM棍提供了良好的初始化。尽管如此，我还是被要求在tensorflow中训练一个模型，然后将它传递给BigQuery进行预测。
我保存了我的模型，一切都很好，直到我尝试将它上传到bigquery。我得到以下错误：
TensorFlow SavedModel output output has an unsupported shape: unknown_rank: true
因此，我的问题是:在BigQuery中不可能使用tensorflow训练的kmeans算法吗？
编辑
创建模型：
kmeans = tf.compat.v1.estimator
浏览 6提问于2020-02-11得票数 3
我正在尝试将tensorflow 1中保存的模型转换为tensorflow 2，我正在将代码迁移到tensorflow 2，作为高。但是，我想简单地将我的model_weights.ckpt更新为tensorflow 2。有些权数(Linear，Embdedding)的形状类似于tensorflow 2语法，但我很难从GRUCell中转换权重。
如何将GRUCell权重从compat.v1.nn.rnn_cell.GRUCell转换为keras.layers.GRUCell？
GRUCell有四个权重：
形状gru_cell/gates/kernel:0 of (S + H, 2 x H)
浏览 7提问于2020-11-16得票数 4
回答已采纳
我已经实现了以下自定义Layer，它根据使用函数repeat的输入x的大小，在调用时修改可学习参数seed_vectors的大小。
import tensorflow as tf
from tensorflow.keras.layers import Dense
from tensorflow import repeat
from tensorflow.keras.layers import LayerNormalization
class PoolingMultiHeadAttention(tf.keras.layers.Layer):
def __init__(self, d
浏览 3提问于2020-03-02得票数 3
回答已采纳
所以我创建了一个tensorflow模型，但是它使用了一个现有的模型，它的输出形状为1,512或类似的形状。我想在最后添加几个层，但它需要以与类的数量相同的输出形状结束，而输出形状要小得多
例如，1，5。
减少输出的最佳方法是什么，以便在不丢失太多数据的情况下进行匹配？
我尝试过池化，但我觉得我理解得还不够深入。
浏览 0提问于2017-07-30得票数 0
回答已采纳
1回答
毕氏张量标引
、、
我目前正致力于将一些代码从tensorflow转换为py手电筒，我遇到了 func的问题，没有直接的函数来转换它。
我想做的基本上是索引，我有两个张量，特征张量形状的[minibatch, 60, 2]和索引张量[minibatch, 8]，比如第一个张量是张量A，第二个张量是B。
在Tensorflow中，它直接用tf.gather(A, B, batch_dims=1)转换
我如何在火把中实现这一点？
我尝试过A[B]索引。这似乎不管用
A[0]B[0]可以工作，但形状的输出是[8, 2]
我需要[minibatch, 8, 2]的形状
如果我像[stack, 8, 2]那样叠加张量，它可
浏览 1提问于2019-07-17得票数 3
回答已采纳
我尝试在第一维填充一个包含不同长度的张量的数据集。长度是到13的任何数字，我想在第一个维度的前面填充零。当我将函数应用于张量时，它似乎工作正常，但数据集没有像我预期的那样返回(13,128)的形状。我得到了(None，None)的形状。 代码是这样的： print(train_dataset_filtered.element_spec, '\n')
def pad_seq(eng, ger):
n = 13 - tf.shape(eng)[0]
paddings = tf.concat(([[n,0]], [[0,0]]), axis=0)
retu
浏览 13提问于2021-03-20得票数 1
回答已采纳
我正在尝试使用keras和tensorflow来训练神经网络。我想以相同的数量随机放大或缩小一批图像。以下代码可以工作，但架构在第一批之后保持不变，即rand_int和p的值保持不变，并且不会在连续的批次中随机变化。 X_input = layers.Input((240, 240, 1), name='input')
def field_of_view(X_input):
rand_int = randrange(2)
if rand_int == 0:
# Add padding to batch of i
浏览 13提问于2020-12-02得票数 0
回答已采纳
2回答
我正在尝试从多个矩形区域内的二维张量中提取值。我想裁剪矩形区域，同时将框外的所有值设置为零。 例如，在9 x 9的图像中，我希望获得两个独立的图像，其值位于两个红色矩形框内，同时将其余的值设置为零。有没有使用tensorflow切片实现这一点的便捷方法？ ? 我想过的一种方法是定义一个掩码数组，它在框内为1，框外为0，并将其与输入数组相乘。但这需要循环遍历框的数量，每次更改掩码的值设置为0。有没有一种更快、更有效的方法来做到这一点，而不使用for循环？tensorflow中是否有裁剪和替换功能的等价物？下面是我用for循环编写的代码。感谢您对此提出的任何意见。谢谢 import tens
浏览 37提问于2019-03-14得票数 1
1回答
了解keras层中的形状
、、、、
我正在学习Tensorflow和Keras来实现LSTM many-to-many模型，其中输入序列的长度等于输出序列的长度。
示例代码：
输入：
voc_size = 10000
embed_dim = 64
lstm_units = 75
size_batch = 30
count_classes = 5
型号：
from tensorflow.keras.layers import ( Bidirectional, LSTM,
Dense, Embedding, TimeDistributed )
from tensorf
浏览 1提问于2021-03-29得票数 1
我正在尝试将tensorflow中生成的代码重新实现为pytroch，但我遇到了maxpooling，查看了这两个框架的文档，发现它们的行为并不相同。请有人向我解释他们为什么不同，哪个更有效率(我问这个是因为他们给出了不同的结果)？
import tensorflow
from tensorflow.keras.layers import GlobalMaxPool1D
tf_tensor = tensorflow.random.normal([8, 6, 5])
tf_maxpool = GlobalMaxPool1D()
print("output shape : ",
浏览 10提问于2021-09-21得票数 0
这是我的代码，以及相关的输出。搞不懂为什么同一张量有两种不同的形状输出？一个是shape=(3, 1)，另一个是shape=(2,)
import tensorflow.google as tf
tensor = tf.constant([[1.], [1.], [1.]])
print tensor
print tf.shape(tensor)
输出，
Tensor("Const_0:0", shape=(3, 1), dtype=float32)
Tensor("Shape_0:0", shape=(2,), dtype=int32)
浏览 2提问于2018-05-07得票数 1
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
