在张量流函数式API中引入a (None，a，b)形式的张量
在张量流函数式API中引入(None, a, b)形式的张量是指创建一个具有动态尺寸的张量。其中None表示该维度可以是任意长度。这种形式的张量可以在不同大小的批次数据上进行操作，提供了更大的灵活性。
分类：
这种形式的张量属于多维张量（Tensor）中的一种，是由三个维度构成的。第一个维度可以是任意长度，而后两个维度分别是a和b。
优势：
引入(None, a, b)形式的张量可以适应不同大小的输入数据，使模型更具通用性。它允许在训练和推理阶段处理变长序列数据，如自然语言处理中的句子长度不一致的情况。此外，使用该形式的张量还可以减少内存占用，因为只有在需要时才会动态分配所需的内存空间。
应用场景：
- 自然语言处理：处理变长的文本数据，例如文本分类、机器翻译等任务。
- 计算机视觉：处理变尺寸的图像数据，例如目标检测、图像分割等任务。
- 时序数据分析：处理具有不同时间步的时间序列数据，例如股票预测、语音识别等任务。
推荐的腾讯云相关产品： 腾讯云提供了一系列与云计算相关的产品，以下是推荐的一些产品：
- 腾讯云深度学习机器实例：https://cloud.tencent.com/product/dli
- 该产品提供了深度学习环境和工具，可用于训练和部署神经网络模型。
- 腾讯云函数计算：https://cloud.tencent.com/product/scf
- 该产品是一种事件驱动的无服务器计算服务，可以帮助开发人员构建和运行各种应用程序。
- 腾讯云容器服务：https://cloud.tencent.com/product/ccs
- 该产品提供了容器化应用程序的部署和管理服务，可以方便地将应用程序打包成容器并进行扩展。
请注意，以上推荐的产品仅作为参考，具体选择应根据实际需求和项目要求进行评估。
相关·内容
可以将tensorflow与keras顺序模型结合起来，如下所示：()
from keras.models import Sequential, Model
model = Sequential()
model.add(Dense(32, activation='relu', input_dim=784))
model.add(Dense(10, activation='softmax'))
# this works!
x = tf.placeholder(tf.float32, shape=(None, 784))
y = model(x)
但是，我想像
浏览 20提问于2018-06-02得票数 1
我目前正在Tensorflow中实现一个函数，它随机采样给定张量的128D向量。
因此，我对n=400值进行了采样：
x1 = tf.random.uniform((n,), minval=border, maxval=W-border)
然后我复制的值，使张量中有400 * Batch_size (B)值：
x1a = x1[None,:] #(1, 400)
x1b = tf.broadcast_to(x1a,(B,n)) #(4,400)
x1 = tf.reshape(x1b, [-1]) # (1600)
我对y坐标重复这个步骤，然后对Batch_size应用一个类似的函数：
b1
浏览 8提问于2020-05-22得票数 1
回答已采纳
2回答
对于在python中使用tensorflow的softmax回归程序，我想将我的1000 jpeg图像文件作为2D张量x:图像索引，像素索引。"image index“是图像，像素索引是该图像的特定图像像素。模型方程是：
y = tf.nn.softmax(tf.matmul(x, W) + b)
where:
x = tf.placeholder(tf.float32, [None, image_size])
W = tf.Variable(tf.zeros([image_size, classes]))
b = tf.Variable(tf.zeros([classes]))
图像
浏览 2提问于2016-07-24得票数 1
1回答
根据文档：
fit(x=None, y=None, batch_size=None, epochs=1, ...)
fit函数的参数是numpy数组：
参数
x:训练数据的Numpy数组(如果模型有一个输入)，或者Numpy数组的列表(如果模型有多个输入)。如果模型中的输入层是命名的，您还可以传递一个字典，将输入名映射到Numpy数组。如果从框架本机张量(例如TensorFlow数据张量)提供数据，X可以是空(默认)。
y:目标(标签)数据的Numpy数组(如果模型只有一个输出)，或者Numpy数组的列表(如果模型有多个输出)。如果模型中的输出层是命名的，您还可以传递一个字典，将输出名称映射
浏览 1提问于2019-08-20得票数 1
回答已采纳
我正在创建一个利基社区site+forum，用户可以在其中注册、登录、创建帖子并相互跟踪。
我的技术栈由Laravel中的后端API(使用Laravel护照)和Vue.js / Nuxt中的前端组成。
我可以通过Postman访问所有API，其中我调用请求令牌，然后使用提供的access_token /承载令牌调用API，比如。
我的问题是，我是否需要一个完整的oauth流--我的前端将无限期地需要访问Laravel中的后端API/数据，但是客户端如何才能在不与每个用户会话进行双向握手的情况下访问数据，这似乎有点过火了？我需要一个，一个，一个，什么的吗？我如何“白名单”我的前端javascri
浏览 1提问于2019-08-21得票数 0
1回答
我使用的是TensorFlow Keras后端，我有两个张量a，形状相同的b：(None, 4, 7)，其中None表示批处理维度。
我想做矩阵乘法，我期待着(None, 4, 4)的结果。
也就是说，对于每批，做一个matmul：(4,7)·(7,4) = (4,4)
这是我的密码--
K.dot(a, K.reshape(b, (-1, 7, 4)))
这段代码给出了形状(None, 4, None, 4)的张量
我想知道高维矩阵乘法是如何工作的？怎么做才是对的？
浏览 4提问于2022-03-21得票数 1
回答已采纳
如果我使用tf.Variable创建一个张量，我可以决定这个张量是否可以训练。但是，如果我以以下方式定义张量B，如何将它设置为不可训练：
A=tf.placeholder(tf.int32,shape=[None,100])
B=tf.zeros_like(A)
浏览 3提问于2016-07-19得票数 0
回答已采纳
2回答
在训练中打印中间张量
、、、、
我有一个自定义层，我想打印中间张量，这些张量没有通过自定义层的call()方法链接到返回的张量(如代码所示)。我使用的代码是：
class Similarity(Layer):
def __init__(self, num1, num2):
super(Similarity, self).__init__()
self.num1 = num1
self.num2 = num2
# self.total = tf.Variable(initial_value=tf.zeros((16,self.num1,
浏览 7提问于2020-10-14得票数 1
回答已采纳
我想在pytorch中植入tf.nn.in_top_k。这是tf.nn.in_top_k的链接， tf.math.in_top_k(
targets, predictions, k, name=None
) 它以布尔张量的形式计算k的精度，并将返回类型为bool的张量。 tf.nn.in_top_k 我想知道pytorch中是否有类似的api？
浏览 38提问于2020-11-08得票数 2
回答已采纳
考虑以下代码：
subroutine tao_show_this ()
implicit none
type b_struct
integer, pointer :: good_user => null()
end type
type a_struct
type (b_struct), allocatable :: value_ptr(:)
end type
type (a_struct) a
a = a_struct()
end subroutine
使用gfortran 5或7编译可以实现以下功能：
gfortran -c test.f90
test.f90:4
浏览 0提问于2018-10-09得票数 3
C中有TF_GraphGetTensorShape，但是接口与C++ Graph和Output不兼容。如何使用tensorflow C/C++ API做同样的工作？
例如。如何使用Slice API获得C++操作返回的张量形状，然后使用该张量形状生成具有相同形状的variable？
浏览 0提问于2018-07-06得票数 5
回答已采纳
1回答
当从导出的TensorFlow模型调用函数时，我收到两个字符串("output_0“、"output_1")，而不是实际的模型。如何使与此字符串关联的张量返回以访问输出？
出口型号：
class OneStep(tf.keras.Model):
...
@tf.function(input_signature=[tf.TensorSpec(shape=[None], dtype=tf.string), tf.TensorSpec(shape=[None, None], dtype=tf.float32)])
def generate_one_step(sel
浏览 2提问于2022-05-23得票数 0
回答已采纳
在使用C API加载tflite模型时，我目前遇到了以下错误：
错误:尝试使用只支持静态大小张量的委托，并使用具有动态大小张量的图。
tflite模型可以找到。这是的一个显式转换。
检查时的输入和输出张量似乎具有静态尺寸。我已经检查了模型与内创和找不到任何动态张量，但我可能忽略了。有什么方法可以看出哪些张量特别引起了它们的动态张量的问题？
浏览 6提问于2021-03-17得票数 2
回答已采纳
2回答
给定张量x和y，每个张量都具有形状(num_batches, d)，我如何使用PyTorch来计算批处理中x和y的每个组合的和？
这类似于外部乘积，除了我们不想乘，而是和。(这意味着我可以通过幂、外积和取日志来解决这个问题，但这当然有数值和性能上的缺点)。
它可以通过笛卡尔乘积来完成，然后对每一个组合进行求和。
本质上，我喜欢osum[b, i, j] == x[b, i] + y[b, j]。PyTorch能在没有循环的张量中做到这一点吗？
浏览 24提问于2022-07-13得票数 0
回答已采纳
日安，
我的问题主要是关于使用活动和Orchestrator函数的最佳实践。还没有找到答案-
In -我有一个简单的编排器：
从API中检索一些对象列表(使用活动)
处理这些项目(筛选器和排序)(直接在Orchestrator中)
将处理过的项发送到另一个API (使用活动)
问题：Orchestrator中的两个API调用(等待context.CallActivityAsync())都是异步的，执行起来需要一些时间。函数框架从内存中卸载排序器(我正在进行消耗计划)，并从一开始就重放(这是预期的)。从context.CallActivityAsync()调用在vars上保
浏览 6提问于2022-09-20得票数 0
我正在尝试做两个张量的匹配，一个是无，4,256，另一个是它的转置(我使用tf.transpose，得到一个张量256，4，无)。预期的结果是4，4张量。当我使用matmul时，它返回一个错误。我在想，怎样才能得到预期的结果呢？谢谢!
#inputs: [None, 4, 256]
inputs_transpose = tf.transpose(inputs, perm = [0, 2, 1]) #[None, 256, 4]
temp_weights = tf.matmul(inputs, inputs_transpose) #[4, 4]expected
浏览 3提问于2018-11-10得票数 0
我已经使用Tensorflow dataset API构建了一个数据管道，但我希望一些操作(如随机播放)依赖于我是在训练数据集上迭代还是在测试数据集上迭代。我想知道是否有一种方法可以在dataset API管道中使用条件语句？我试过下面的代码，但它显示不能将ShuffleDataset类型的对象转换为张量。
# This is the placeholder I feed with proper file name depending on whether I'm training or testing
filenames_placeholder = tf.placeholder(tf
浏览 1提问于2019-02-18得票数 1
仅仅出于教育目的，我试图在TensorFlow主页上的Basic training loops教程的基础上创建一个简单的神经网络，对平面中的点进行分类。 因此，我将[0,1]x[0,1]中的一些点存储在形状(250, 2, 1)的张量x中，并将相应的标签(1. or 0.)存储在形状(250,1,1)的张量y中。那我就这么做 import tensorflow as tf
w0 = tf.Variable(tf.random.normal([4,2]), name = 'w0')
w1 = tf.Variable(tf.random.normal([1,4]), name
浏览 18提问于2021-04-01得票数 0
回答已采纳
我将tensorflow与Functional API一起使用，它传递表单的张量 (None, a,b) 层与层之间。对于自定义层，我希望使用基本操作，这些操作总是生成以下形式的产品 (a,b) 为了获得一致的解决方案，我还需要将其引入到表单(None,a,b)中。如何在当前版本的tensorflow中做到这一点。许多当前的解决方案都不起作用，因为占位符等概念似乎不再可用。 如果要添加自定义元素，此错误将使tensorflow函数式API变得无用。
浏览 7提问于2020-10-06得票数 0
我的问题是:我有张量A of have [None, None, None, 3] ([batch_size, height, width, num_channels])和张量B。在运行时，保证 A和B将具有相同的形状。我想沿着num_channels轴连接这两个张量。
PS。请注意，我简化了原来的问题--因此，首先使用形状为[None, None, None, 6]的张量并不是一种选择。
浏览 3提问于2017-02-22得票数 2
问题是，如果第二个数字不是零，内部函数将不返回任何输出，而不是返回输出！
为什么它不是一个普通的装饰师呢？
代码：
def check(fun):
def inner_fun(a,b):
if b == 0:
print("0 is not valid")
return
fun(a,b)
return inner_fun #returns None
def divide(a,b):
return a / b
divide = check(divide)
print(d
浏览 4提问于2020-02-01得票数 0
DaCe附带了一种语法，允许用户定义一个映射，映射下的是用户为计算而定义的微线程。作为计算，我们可以进行诸如整数加法之类的标量运算。
但是，如果我们在微线程中执行张量(矩阵)操作，例如，A@B或A+B，其中A和B是两个矩阵，DaCe将给我们一个错误。
下面是引发错误的具体代码片段。您可以尝试运行此示例。
@dace.program
def fusion(A: dace.float32[10, 20], B: dace.float32[10, 20],
out: dace.float32[1]):
tmp = dace.define_local([10, 20],
浏览 0提问于2021-05-24得票数 1
1回答
高负载数据更新体系结构
、、、、
我正在开发一个包裹追踪系统，并考虑如何提高它的性能。
现在，我们在postgres中有一个名为parcels的表，它包含诸如id、最后一个已知位置等内容。
每天大约有300.000个新包裹加到这张桌子上。包数据是从外部API获取的。我们需要尽可能准确地跟踪所有包裹的位置，并减少API调用特定包裹之间的时间。
考虑到这些需求，您可以对项目架构提出什么建议？
目前，我能想到的唯一解决方案是生产者-消费者模式。就像有一个进程一样，在无限循环中从parcel表中选择所有记录，然后用类似芹菜之类的东西分发获取数据任务。
这种解决方案的主要缺点是：
可能存在死锁，因为可以在不同的机器上同时执行有关同一任务
浏览 4提问于2021-11-08得票数 1
回答已采纳
在tensorflow中，我想做以下几点：
接收N1D张量
把它们作为m形的一个大的一维张量
调用一个处理此张量并生成m形张量的函数。
N1D张量中结果张量的分裂
然而，在图形创建时，我不知道每个一维张量的大小，这会产生问题。下面是我正在做的事情的一个片段：
def stack(tensors):
sizes = tf.convert_to_tensor([t.shape[0].value for t in tensors])
tensor_stacked = tf.concat(tensors, axis=0)
res = my_fun
浏览 0提问于2019-02-20得票数 0
给定的
batch_images：(B, H, W, C)形状的4D张量
x：(B, H, W)形状的三维张量
y：(B, H, W)形状的三维张量
目标
如何利用batch_images和x坐标进行索引，得到形状为4D的B, H, W, C张量。也就是说，我想为每一批得到一个张量，对于每对(x, y)，得到一个形状的C张量。
例如，在numpy中，可以使用input_img[np.arange(B)[:,None,None], y, x]实现这一点，但我似乎无法使它在tensorflow中工作。
我的尝试到目前为止，
def get_pixel_value(img, x,
浏览 1提问于2017-01-06得票数 1
回答已采纳
我如何知道tensorflow张量是在cuda还是cpu中？举个非常简单的例子：
import tensorflow as tf
tf.debugging.set_log_device_placement(True)
# Place tensors on the CPU
with tf.device('/device:GPU:0'):
a = tf.constant([[1.0, 2.0, 3.0], [4.0, 5.0, 6.0]])
b = tf.constant([[1.0, 2.0], [3.0, 4.0], [5.0, 6.0]])
# print t
浏览 2提问于2020-10-06得票数 5
回答已采纳
2回答
我目前正在做一些研究，用einsum函数计算numpy中的4阶张量。 我正在计算的张量是用爱因斯坦符号写的，函数einsun做得很好！但我想知道它在下面的例子中做了什么： import numpy as np
a=np.array([[2,0,3],[0,1,0],[0, 0, 4]])
b= np.eye(3)
r1=np.einsum("ij,kl->ijkl", a, b)
r2=np.einsum("ik,jl->ijkl", a, b) 在r1中，我基本上做的是标准张量积(相当于np.tensordot(a,b,axes=0))。 那
浏览 25提问于2020-11-19得票数 1
我有一个张量A的形状(None,1024)，我想重复它49次，以形成一个矩阵张量的形状(None,7,7,1024)。每个(,1024)向量都是张量A的一个副本。
我该怎么做？
我试过了
A = K.stack([A,A,A,A,A,A,A])
A = K.stack([A,A,A,A,A,A,A])
但这给了我一个(7, 7, None, 1024)形状的张量
浏览 2提问于2018-11-16得票数 2
回答已采纳
我试图构造我的参数，以便它们能够正确地使用tf.map_fn()，但是大多数示例文档只讨论与函数参数形状相同的数组或张量。
链接包括：
我的具体例子是:我有一些tensorflow函数，它期望None，2和x，y作为参数张量形状。
张量A的形状为batch_size，x*y，2
张量B的形状为batch_size，x，y
lambdaData = (tensorA, tensorB)
lambdaFunc = lambda x: tensorflowFunc(x[0], x[1])
returnValues = tf.map_fn(lambdaFunc, lambdaData)
来自tens
浏览 5提问于2017-12-26得票数 3
1回答
我有一个2库达张量，并想得到两者之间的最小值。
a=torch.randn(3, 3)
b=torch.randn(3, 3)
c=torch.min(a,b)
无效参数: DoubleTensor DoubleTensor预期参数: DoubleTensor / DoubleTensor DoubleTensor索引
现在，我想得到最小为a和b的3×3矩阵(理想的方式也适用于cuda张量)。
如果有人知道如何解决这个问题，我看了看
具体来说，行torch.max(input, other, out=None) → Tensor，它建议，这应该只提供两个张量，但如前所述，这是一个错误。
这是在
浏览 0提问于2018-01-28得票数 0
我有名为FinalLayer的自定义层，我收到两个张量:第一个张量(命名为shape：(None,128)第二个张量，shape：(None，10,128)
这是我的代码
class FinalLayer(tf.keras.layers.Layer):
def __init__(self, input_dim):
super(FinalLayer, self).__init__()
self.total = tf.Variable(initial_value=tf.zeros(input_dim), trainable=False)
se
浏览 0提问于2021-03-11得票数 0
我试着完成这个功能：
///Split layers take in a single layer and splits it into a
///vector of layers. Since all tensors are two dimensional,
///we can split with a single usize on axis=0.
fn split<O1: Into<Output>>(
input: O1,
num_splits: usize,
scope: &mut Scope,
) -> Result&l
浏览 4提问于2022-04-12得票数 0
我有两个张量，prob_a和prob_b，形状为[None, 1000]，我想计算从prob_a到prob_b的KL散度。在TensorFlow中有内置的函数吗？我试过使用tf.contrib.distributions.kl(prob_a, prob_b)，但它提供了：
NotImplementedError:不注册dist_a类型张量和dist_b型张量
如果没有内置功能，什么是好的解决办法？
浏览 4提问于2017-01-25得票数 15
1回答
如何将形状为None，128的张量为1,128的张量连接起来。这里，第一个张量是一些未知长度的数据，第二个张量是不依赖于数据大小的固定张量。最后的输出应该是shapeNone，328。这是神经网络连接的一部分。
我试过了
> c = Concatenate(axis = -1, name = 'DQN_Input')([ a, b])
在这里，a.shape = (None，192)和b.shape = (1,128)，但这是行不通的。错误是
ValueError：Concatenate层需要具有匹配形状的输入，但凹轴除外。获得输入形状：(None，192)，(1,12
浏览 0提问于2021-11-13得票数 0
回答已采纳
我使用会话根据'tf.shape()‘命令获取张量的’静态‘形状。张量‘deconv4.output’的形状是16,256,256,3，我想通过使用'tf.shape()‘获得’deconv4.output‘的第一维。然而，在会话中运行'tf.shape()‘时，我收到了一个错误消息： tensorflow.python.framework.errors_impl.InvalidArgumentError: Cannot assign a device for operation 'FRUC_DVF_g/deconv4/b_conv2d': Opera
浏览 16提问于2019-02-14得票数 0
2回答
在这种情况下，我有一个张量，其第一个维度与批处理大小相对应，例如：
tensor = tf.placeholder(tf.float32, shape=[None, 256, 256,3],name="placeholder_input")
现在我有一个张量函数"myfunc"，作用于一个大小为256, 256，3的张量，我想要应用与批次数一样多次的张量，以得到大小为None，256,256,3的输出。如果形状不是动态的，我会简单地这样做：
output_tensor = tf.stack([myfunc(tensor [k,:,:,:] for k in ra
浏览 0提问于2019-01-18得票数 1
1回答
我在NamAryVar中有一个类对象列表
我需要检查字符串是否等于列表中的任何NamVar of NamCls。
我用两种方式做这件事，我得到了想要的结果。
但
我想知道在这两种方法中，哪种方法更快、更有效、使用的资源更少。
\x使用for循环：
boolean FndResVab = false;
for(NamCls NamObjIdxVar : NamAryVar)
{
if(NamObjIdxVar.NamVar.equals("SomString"))
{
FndDupVab = true;
break;
}
}
浏览 8提问于2017-06-01得票数 1
回答已采纳
2回答
在F#中，许多函数采用序列作为支持流水线的最后一个参数。
在设计API时，我可以遵循这一趋势，如下面这个简单的状态机示例：
type Transition =
{ CurrentState : string; TriggeringEvent : string; NewState : string }
let getNewState currentState triggeringEvent transitions =
let isMatch t =
t.CurrentState = currentState
&& t.Trigge
浏览 3提问于2013-07-14得票数 5
回答已采纳
我正在学习tensorflow r1.3，我想知道发送/接收处理机器到机器和设备到设备。
据我所知，Rendezvous类与向设备发送/接收张量设备有关。那么，还有其他与发送/接收张量相关的类吗？我认为在设备上进行会议工作(例如.任务:0/gpu:0.)所以它可以从机器到机器之间的发送/接收过程，但我不确定。
我想在tensorflow源代码中特别检查它，但是很难弄清楚。如果我能知道具体的来源(文件)，请告诉我。
谢谢。
浏览 4提问于2017-10-13得票数 1
回答已采纳
1回答
我想用keras函数api在嵌入层中添加一个tanh层：
x=layers.Embedding(vocab_size, 8, input_length=max_length)(input)
output=keras.activations.tanh(x)
model = Model(inputs=input, outputs=output)
model.compile(optimizer='rmsprop',loss='categorical_crossentropy',metrics=['accuracy'])
model.fit(data,
浏览 16提问于2018-12-17得票数 0
回答已采纳
最初，tensorflow和Py手电筒有一个根本的区别：
tensorflow是基于计算图的。构建此图并在会话中对其进行计算是两个独立的步骤。当它被使用时，图形不会改变，这允许优化。
火炬热切地评估一个张量的运算。这使得API更方便(没有会话)，但也减少了识别和优化总是按顺序发生的操作的潜力。
现在，这种差异变得不那么明显了。Tensorflow已经回应了火炬在上的流行。还有一个项目，它构建在与tensorflow ()相同的底层框架上。JAX没有会话的概念。但是它允许您通过简单地调用来编译多个操作。
既然Tensorflow已经开始覆盖PyTorch功能，那么PyTorch是
浏览 4提问于2019-10-28得票数 2
我的代码是： import subprocess, os
#just write the command to the input stream
process = None
minecraft_dir = '.'
executable = 'java -jar server.jar'
while True:
command=input('cmd: ').encode()
if command==(b"start"):
os.chdir(minecraft_dir)
浏览 8提问于2021-04-09得票数 0
回答已采纳
1回答
如何进行分层乘法？
、、、
我有一个张量，包含五个2x2矩阵-形状(1,5,2,2)，张量包含5个元素-形状(5)。我想把每个2x2矩阵(前一个张量)乘以相应的值(在后一个张量中)。结果张量应为形状(1,5,2,2)。怎么做？
在运行此代码时获取以下错误
a = torch.rand(1,5,2,2)
print(a.shape)
b = torch.rand(5)
print(b.shape)
mul = a*b
RuntimeError: The size of tensor a (2) must match the size of tensor b (5) at non-singleton dimension 3
浏览 1提问于2020-05-02得票数 2
1回答
如果在java中存在用于直接读取to记录并向tensorflow savedModel提供数据的高级api，是否有人知道。Python允许将example.proto (tfrecords)和张量输入到tf模型中进行推理。我在java中看到的唯一api是创建原始张量，有一种类似于python的方法，可以直接将tfrecords (example.proto_ )提供给java中保存的模型包。
浏览 0提问于2018-04-18得票数 1
回答已采纳
2回答
我在角角有三个张量：
张量形状a：(?,4)
张量形状b：(?,4)
张量形状c：(?, 2, 4)
其中?是批处理大小。我想计算宇宙间的相似性：
a和b
a和c的每一行(本例中为2行)
要计算a和b之间的cos，可以直接执行以下操作：
from keras.layers import Reshape, merge
cos_a_b = Reshape((1,))(merge([a, b], mode='cos', dot_axes=1))
输出的格式为(?,1)，如预期的那样。
但是，我无法找到a和c之间的cos相似性(输出应该是(?, 2)
浏览 3提问于2017-09-20得票数 0
回答已采纳
1回答
我有一个服务器，不断传输像延时视频馈送的jpeg图像。我需要在C# WinForm TCP客户端中显示这些图像，但流有问题。
我在这里和其他网站上读过一些类似问题的帖子，但没有一个能够提供我的问题的解决方案。
我有以下代码，目的是从服务器检索图像并使用PictureBox控件显示它：(图像流中有标题信息)
while (true)
{
NetworkStream stream = m_client.GetStream(); //Get the data stream from the server
//Load Image
while (stream.DataAvai
浏览 0提问于2012-10-19得票数 0
我正在构造一个基于某些超参数的拓扑变化的计算图。在某一时刻，出现了以下情况：
c = tf.concat([a, b], axis=-1)
张量a呈(None, m)形。张量b具有形状(None, n)，其中n依赖于超参数。对于超参数的一个值，张量b应该是概念上的空，例如，我们希望c和a是相同的。
我可以用以下方法成功地构建图形：
b = tf.placeholder(tf.float32, (None, 0), name="Empty")
但是，如果我运行一个会话，TensorFlow将引发一个InvalidArgumentError，该InvalidArgumentErro
浏览 0提问于2018-08-17得票数 4
3回答
在中，有一个语句
accuracy = tf.reduce_mean(tf.cast(correct_prediction, "float"))
tf.cast基本上改变了物体的张量类型，但是和之间有什么区别呢？
这是上的文档
reduce_mean(input_tensor, reduction_indices=None, keep_dims=False, name=None)
input_tensor：要减少的张量。应该有数字类型。
reduction_indices：需要缩小的尺寸。如果None (缺陷)减少所有维数.‘X’是[ 1.，1.]# 2.，2.]tf.red
浏览 0提问于2015-12-12得票数 102
回答已采纳
我有一个维度层(None,1，B)，我想克隆它的行，这样我就可以得到类似的内容(None，A，B)。我的想法是使用以下命令：
layer1 = K.repeat_elements(layer, A, axis=1)
因此，我得到以下错误：
属性错误：‘张量’对象没有属性'_keras_history‘
我相信原因是repeat_elements创建了某种不是Keras层的层。对于如何检查这是否是Keras层，有什么备选方案或想法吗？
浏览 0提问于2019-05-08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
实时音视频
对象存储
云直播活动推荐
腾讯云开发者
