我想使用Rust的库对张量(多维数组)进行切片,但问题是张量是动态形成的,切片存储在用户提供的变量中。
如果我预先知道维度,我希望我可以简单地执行以下操作,其中idx是用户提供的索引,x是4维张量:
// should give a 1D tensor as a view on the last axis at index `idx`
x.slice(s![idx[0], idx[1], idx[2], ..])
但是因为我不知道前面的维数,所以我不能用这种方式手动解压idx并将其提供给切片宏s!。
在python中,我可能会使用,其中idx是用户提供的元组:
# if `len(idx)
我正在尝试用Tensorflow重写下面的Python代码。但是,我在使用tf.map_fn迭代张量时遇到了问题。
这里depth是形状[batch_size,256,256]的张量,normal是形状[batch_size,256,256,3]的张量,scale是形状[batch_size,256,256]的张量。
for b in range(0,batch_size):
depth[b,:,:] = [scale[b,0,0] + (scale[b,0,1] - scale[b,0,0])* x for x in depth[b,:,:]]
normal[b,:,:,:]
我有一个生火张量:x = torch.zeros(2, 2),和另一个变量值的张量:item = torch.tensor([[1, 2], [3, 4]]),我只是给出这个张量。
我想添加item张量作为x张量的每个元素,这样
x = [[item, item],
[item, item]]
所以x是张量,里面有张量。我尝试将item直接赋值给x,但得到了一个错误:RuntimeError: The expanded size of the tensor must match the existing size at non-singleton dimension
在过去的几周里,我一直在尝试让Yolo v3在TF 2.x中工作,每次我解决一个问题,就会出现另一个问题。主要的挑战是让TensorFlow为每个标度和训练集中的样本进行NonMaxSuppression。我用的是tf.image.non_max_suppression_padded,然后我被
Tensorflow.python.framework.errors_impl.OperatorNotAllowedInGraphError: using a `tf.Tensor` as a Python `bool` is not allowed in Graph execution. Use Ea
所以我有一个训练集和一个测试集,两者都是h5py格式的。我还有一个data_load函数,它加载文件并返回NumPy数组。主要的问题是我不需要NumPy,因为我使用的是张量。我期望有一个x&y张量的大小N(批大小)和D_in(每个图像的输入大小)和D_out(每个张量的输出大小)。
问题是:
x&y不被转换成below.If提到的维度的张量,它们的类型仍然是numpy.ndarray。任何帮助都是非常感谢的。
def load_data(train_file, test_file):
# Load the training data
train_dataset =h5py.F
我在tensorflow中有两个张量,一个是稀疏张量,称为A,另一个是张量,称为B。我想计算A和B之间的平方误差。
当我表演的时候:
import tensorflow as tf
tf.reduce_sum(tf.square( B - A))
然后我收到一个错误,说:
TypeError: Expected float32 passed to parameter 'y' of op 'Sub', got <tensorflow.python.framework.sparse_tensor.SparseTensor object at 0x7f42a10
我定义了一个简单的conv2d函数来计算输入和内核(都是2D张量)之间的相互关系,如下所示:
import torch
def conv2D(X, K):
h = K.shape[0]
w = K.shape[1]
ĥ = X.shape[0] - h + 1
ŵ = X.shape[1] - w + 1
Y = torch.zeros((ĥ, ŵ))
for i in range (ĥ):
for j in range (ŵ):
Y[i, j] = (X[i: i+h, j: j+w]*K).sum
当我运行代码时,我得到了如下错误。我想知道被命名为“壮举”的张量的价值。
Traceback (most recent call last):
File "croptest.py", line 80, in <module>
print (sess.run(feat))
File "/home/ubuntu/Desktop/WK/my_project/lib/python2.7/site-packages/tensorflow/python/client/session.py", line 895, in run
run_me
因此,假设我有一个k-dim张量和一个1-dim掩码,它在pytorch中用于可变长度序列,并且我想返回一个张量,它表示掩码中直到第一个false值的元素。下面是一个示例: import torch
a = torch.tensor([[1,2],[3,4],[5,6],[0,0],[0,0],[0,0]])
b = torch.tensor([True,True,True,False,False,False])
# magic goes here, result of c should be:
print(c)
>>> [[1,2],[3,4],[5,6]] 在本例