1回答
我正在开发一个大的代码，我正在尝试优化它。您在下面看到的代码部分是一个for循环，它返回以张量表示的编码。我如何在常规列表中输出这些数字，而不使用张量？if nsentences > 0:
yield batch(batch_tokens, batch_lengths, batch_indices) 下面是我调用这个函数的方式print([batch[1] for batch, indexes in ma
浏览 8提问于2020-06-09得票数 0
在Python语言中使用TensorFlow，我希望有一个“父”张量T3，它由两个“子”张量T1和T2 (实际上，T1和T2也是对其他张量的/操作的组合)的某种组合(和操作)组成。我想在“父”张量T3的损失函数上运行优化器，同时保持一个“子”张量，比如T1 (以及它所有可能的“孙”张量)不变。
值得注意的是，T3是从函数返回的<
浏览 0提问于2017-08-10得票数 0
我目前正在使用PyTorch运行一个深度学习程序，并希望为特定的张量释放图形处理器内存。我想过像del和torch.cuda.empty_cache()这样的方法，但是del似乎不能正常工作(我甚至不确定它是否释放了内存)，torch.cuda.empty_cache()似乎释放了所有未使用的内存，但我只想为一个特定的张量释放内存。PyTorch中是否有提供此功能的功能？
提前谢谢。
浏览 2提问于2019-11-19得票数 2
目前，我正在用pytorch编写一个基于U-net的分割模型，我想使用类似于mobilenet v2上引入的倒置残差来提高模型在cpu上的速度。
然后我意识到模型在训练阶段和测试阶段使用了更多的内存。虽然模型应该在训练阶段使用更多的内存，因为所有的中间步骤张量(特征图)都被保存了，并且使用可分离的卷积，为每个“卷积”操作创建了更多的张量。但在运行时，实际上只有几个最后一步张量必须保存以用于跳过连接，
浏览 1提问于2019-04-13得票数 0
1回答
我正在编写一个函数，用于创建用于训练模型的批次的pytorch张量。在执行训练循环之前，我想构造张量并将它们固定在内存中。为此，我将需要基于某些参数batch_size创建批处理。我希望这个操作的内存占用空间尽可能小，这样当我将张量固定在内存中时，我就有尽可能多的内存可用。我还想使用spark扩展与为批处理创建张量相关的操作。为此，我想从我<em
浏览 2提问于2020-06-21得票数 0
我需要切片一个等级-3张量，为第一维的每个条目选择一个不同的第二维值。对于每个3张量，我需要这样做，但例如，考虑以下(3,4,3)张量A[ 3 4 5][ 9 10 11]]
[15 1617][21 22 23]]
[27 28 29][33 34 35]]][1,2,3]
然后要得到以下(3,3
浏览 2提问于2022-02-03得票数 0
回答已采纳
我突然想到，从Python卸载整个小型批处理循环可能会有所帮助。我的数据足够小，所以存储在CPU或GPU上是没有问题的。那么，在对session.run的调用中，是否有可能在一个完整的小型批处理时代中循环优化器节点？iterator.get_next()返回的张量仅在每个session.run上增加一次，这似乎使迭代一个小批数据集变得不可能.但是，如果可以这样做，我的</e
浏览 5提问于2018-01-12得票数 1
1回答
我试图在PyTorch中实现一个简单的最小化器，下面是代码(v和q和v_trans是张量，eta是0.01)： print('i =', i, ' q =() with torch.no_grad()在循环的第二次迭代中, in <mo
浏览 5提问于2021-11-03得票数 0
我有一个关于通过tensorflow python api更新张量值的基本问题。(例如，一些优化算法)。LHS上的W是一个新的张量，而不是yhat = tf.matmul(x, W)中使用的W！yhat = tf.matmul( x, W)
这会导致为我的循环的每次迭代创建一个新的“模型”！有没有更好的方法来实现这一点(在python中<
浏览 4提问于2016-12-02得票数 4
我在__init__ of例如优化器：self._set_hyper('beta_1', beta_1)中看到了它。在整个代码中也有_get_hyper和_serialize_hyperparameter。我在优化器中没有看到这些--它们是可选的吗？在创建自定义优化器时，应该还是不应该使用它们？
浏览 3提问于2020-05-27得票数 3
回答已采纳
2回答
我有一个关于tf的map函数的问题。我在使用这个函数时遇到了奇怪的行为。如果我按照手册中的说明进行操作y = tf.map_fun(lambda x: x*x, label_tensor)然而，如果我想实现我自己的函数，它似乎不起作用。它总是将一个张量传递给指定的函数，而不是用来处理张量</
浏览 55提问于2018-09-10得票数 3
回答已采纳
例如，Keras的Adagrad的实现是："""Adagrad optimizer.它如何在整个训练过程中成为累加器？self.weights = accumulators
似乎self.weights再也不会被调用了。
浏览 5提问于2017-01-22得票数 5
回答已采纳
我有一个名为x的一维python列表，它的(1000)形状包含形状(3, 600)的张量元素。我还有一个tensorflow变量，形状的w，(600, 1)，我想把它乘以x的每个张量元素。每次手术的结果都是(3, 1)形状的张量。fo
浏览 2提问于2016-11-21得票数 0
回答已采纳
1回答
我正在寻找一种在MxNxR张量/数组中使用pytorch或numpy找到2D模式的方法。例如，查看在更大的布尔张量(例如3x256x256)中是否存在布尔模式张量的字典(例如{6x6 : freq})。 然后我想更新我的模式和字典的频率。我希望有一种pytorchi方法来做这件事，而不是在它上面有循环，或者有一个优化的循环来做它。 据我所知，当我们有一个
浏览 10提问于2021-11-06得票数 0
回答已采纳
2回答
当梯度下降优化器应用于不是数字(大小为1的张量)而是向量(大小为2、3、4或更大的1维张量)的“损失”占位符时，Tensorflow真正做了什么？
这是不是就像对组件的和做下降一样？
浏览 1提问于2018-11-16得票数 2
我有两个形状为m×d和n×d的2-D张量。什么是优化的(即没有for循环)或tensorflow方法来评估这两个张量之间的成对欧几里德距离，以便我得到形状为m×n的输出张量。我需要它来创建高斯核的平方项，最终得到一个大小为m x n的协方差矩阵。
difference_squared = np.zer
浏览 14提问于2017-12-23得票数 1
回答已采纳
1回答
而不是使用for-循环，这是预先设置#迭代所必需的。然而，在实践中，我们常常不知道需要多少次迭代才能达到最优。我想使用while loop，但是我的代码似乎不正确(它在第一次迭代中停止)。我们的目标是停止在|new_loss -丢失的情况下进行迭代，<容差import torch.nn.functional as F
break
else:
浏览 3提问于2022-04-05得票数 0
我正在为tensorflow实现一个准牛顿优化器，我的问题是，当优化器apply_gradients函数在minimize函数中被调用时，梯度是否适用于张量在那个时刻发生的值？
干杯，谢尔盖
浏览 6提问于2017-03-12得票数 0
回答已采纳
云服务器
ICP备案
云直播
对象存储
实时音视频
腾讯云开发者
