我有两个张量X和Z,形状为(100,),我想创建一个张量X x Z,它将产生一个(100, 100)的形状。对于这个矩阵中的每一对元素,我想要应用一些我已经定义的函数,即fn(x,z),用于矩阵中的每个可能的组合。我是TensorFlow新手,习惯于按顺序思考,在处理numpy数组时,每个向量上有两个for循环。
我如何在TensorFlow中做到这一点?非常感谢。
我定义了以下函数来获得序列的输出(即,序列的最终输入馈送后的RNN单元的输出)
def get_sequence_output(x_sequence, initial_hidden_state):, 10)的张量,从哪里开始?是批量大小和第二吗?表示序列长度,每个输入元素的长度为10。gru函数接受前一个隐藏状态和当前输入,并输出下一个隐藏状态(标准门控循环单元)。我得到一个错误:'Tensor' object is not iterable.我如何
我试图以python的方式处理一个可变大小的张量,这可能是这样的:for x in X:我试过使用tf.scan,问题是我想处理每个次张量例如,假设我想在张量的每个元素中添加一个元素(这只是一个例子),并且我想逐个元素地处理它。如果我运行下面的代码,我将只有一个添加到子张量,因为扫描考虑第一个张量作为初始化,以及每个子<
,a,a,b)的张量元素。我想将其转换为形状为(?,a,b)的张量,其中:
output[ i , j , k ] = input[ i , j , j , k ].这在numpy中很简单,因为我可以通过循环i,j,k来分配元素。然而,所有的操作都必须留在Tensorflow中作为张量,因为它需要评估成本函数和训练模型。我已经看过了,但根据我的理解,这不能在特定的轴上指定,必须对整个张量进行。