在Tensorflow中进行making操作时，如何设置输出的可变形状？
在Tensorflow中进行making操作时，可以通过设置输出的可变形状来灵活地调整张量的形状。在Tensorflow中，可以使用tf.reshape()函数来改变张量的形状。该函数接受两个参数，第一个参数是待调整形状的张量，第二个参数是目标形状。目标形状可以是一个整数列表或一个张量。如果目标形状中某个维度为-1，则表示该维度的大小由Tensorflow自动计算得出。
下面是一个示例代码，展示了如何在Tensorflow中设置输出的可变形状：
import tensorflow as tf
# 定义输入张量
input_tensor = tf.constant([1, 2, 3, 4, 5, 6])
# 设置输出的可变形状
output_tensor = tf.reshape(input_tensor, [2, -1])
# 打印输出张量
print(output_tensor)在上述代码中，我们首先定义了一个输入张量input_tensor，它包含了6个元素。然后，我们使用tf.reshape()函数将输入张量的形状调整为[2, -1]，其中-1表示该维度的大小由Tensorflow自动计算得出。最后，我们打印输出张量output_tensor，可以看到它的形状已经被调整为[2, 3]。
推荐的腾讯云相关产品和产品介绍链接地址：
- 腾讯云TensorFlow：https://cloud.tencent.com/product/tensorflow
- 腾讯云AI引擎：https://cloud.tencent.com/product/tia
- 腾讯云AI智能图像：https://cloud.tencent.com/product/tii
- 腾讯云AI智能语音：https://cloud.tencent.com/product/tis
- 腾讯云AI智能机器人：https://cloud.tencent.com/product/tcr
- 腾讯云AI智能翻译：https://cloud.tencent.com/product/tmt
相关·内容
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
2回答
我正在尝试keras.layers.LSTM，下面的代码可以工作。
#!/usr/bin/python3
import tensorflow as tf
import numpy as np
from tensorflow import keras
data = np.array([1, 2, 3]).reshape((1, 3, 1))
x = keras.layers.Input(shape=(3, 1))
y = keras.layers.LSTM(10)(x)
model = keras.Model(inputs=x, outputs=y)
print (model.predi
浏览 0提问于2019-09-07得票数 0
回答已采纳
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
我使用中的代码(它以opencv：：Mat映像作为输入并将其转换为张量)，并使用它用Tensorflow教程()中描述的模型对图像进行标记。但是，当我将批大小增加到2(或更大)时，finalOutput (它的类型为std：：)的大小为零。
下面是再现错误的代码：
// Only for VisualStudio
#define COMPILER_MSVC
#define NOMINMAX
#include <string>
#include <iostream>
#include <fstream>
#include <opencv2/openc
浏览 4提问于2017-07-04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
我面临着tf.image.central_crop()面临的以下问题
def preprocessor(image):
image = tf.reshape(image, (IMAGE_HEIGHT, IMAGE_WIDTH, IMAGE_CHANNELS))
print(image.get_shape())
image = tf.image.central_crop(image,0.8)
print(image.get_shape())
return image
哪种输出
(384, 384, 3) and (?, ?, 3)
central_cro
浏览 4提问于2017-05-19得票数 1
回答已采纳
1回答
在调试Tensorflow代码时，我想输出张量的形状，比如说，print("mask's shape is: ",mask.get_shape())，但是相应的输出是mask's shape is (?,?,?,1) --如何解释这种输出，是否知道这个张量的前三个维度的确切值？
浏览 3提问于2016-09-19得票数 0
回答已采纳
我对什么是动态RNN (即dynamic_rnn)感到困惑。它返回输出和TensorFlow中的状态。这些状态和输出是什么？在动态神经网络中，在TensorFlow中什么是动态的？
浏览 3提问于2017-03-29得票数 12
有人能帮我个忙吗？
我试着用tflite作为目标检测的初学者做一些实验。我从Tensorflow网站下载了tflite模式的示例模型ssd_mobilenet_v2_fpn_100/fpn 32
然后，我运行我的代码如下
解释器=tflite.Interpreter(模型路径=‘lite-
model_ssd_mobilenet_v2_fpn_100_fp32_default_1.tflite')
interpreter.allocate_tensors()
input_details = interpreter.get_input_details() output_details
浏览 8提问于2022-06-16得票数 0
回答已采纳
1回答
我有一个UNet，我训练并拯救了模型。我希望看到模型摘要，但是当我使用model.summary()时，Output Shape列被切断，看不到完整的形状。该模型是在三维图像上进行训练的，因此输出应该显示(None, shapeX, shapeY, shapeZ, num_features)。如何显示输出的完整形状？
from tensorflow.keras.models import load_model
model = load_model('model.h5',compile = False)
model.summary()
model.summary
浏览 2提问于2020-10-12得票数 3
回答已采纳
TensorFlowSharp是TensorFlow在c#平台上的包装器。
现在，我需要将形状为32,64,1的张量重塑为形状为1,2048的新张量，但当我引用正式API文档时，用法似乎如下：
TFOutput Reshape (TensorFlow.TFOutput tensor, TensorFlow.TFOutput shape);
问题是，我不知道如何用TFOutput的方式表达我所需要的形状，任何建议都会被感激：)！
浏览 2提问于2017-08-18得票数 2
回答已采纳
我正在查看tensorflow日志，发现了以下一行：
4 ops no flops stats due to incomplete shapes. Consider passing run_meta to use run_time shapes.
此消息似乎来自：
for op in graph.get_operations():
try:
stats = ops.get_stats_for_node_def(
graph, op.node_def, REGISTERED_FLOP_STATS)
except ValueError:
浏览 0提问于2017-06-14得票数 7
回答已采纳
我用tf.keras训练了一个图像分类器，并在训练完成后导出模型，以便在云中服务并进行在线预测。
我使用以下方法在本地主机上服务我的模型：
tensorflow_model_server --model_base $PATH_TO_SAVEDMODEL --rest_api_port=9000 --model_name=saved_model
我能够做出预测并得到结果。当我试图在云中部署模型时，我得到了标题中的错误。
问题是，我想用预测结果映射类名，并且我能够通过执行以下操作来实现这一点：
# after i got the label names i convert the variable
浏览 0提问于2019-03-19得票数 0
我正在创建一种端到端的语音识别体系结构，其中我的数据是一个分段谱图的列表。我的数据具有形状(batch_size, timesteps, 8, 65, 1)，其中batch_size是固定的，但timesteps是可变的。我不知道，如何将这些数据放入一个张量中，并以适当的形状提供给我的模型。这里有一段代码显示了我的问题：
import numpy as np
import tensorflow as tf
import tensorflow.keras as keras
from tensorflow.keras.layers import Conv2D, MaxPool2D, Dense,
浏览 0提问于2019-06-14得票数 1
回答已采纳
2回答
我正在学习粗糙张量及其在粒子跟踪中的应用。我有以下最小的例子，它再现了我一直在经历的错误。 import tensorflow as tf
from tensorflow.keras.layers import Dense, LSTM, Input, TimeDistributed
from tensorflow.keras.models import Sequential
n=10
data_n = 32
batch_size=8
window_length=8
splits = [n]*data_n
#### Create a ragged tensor with shape (3
浏览 28提问于2020-12-14得票数 0
2回答
我需要在TensorFlow中创建一个矩阵来存储一些值。诀窍是矩阵必须支持动态形状。
我正在尝试做与在numpy中相同的操作：
myVar = tf.Variable(tf.zeros((x,y), validate_shape=False)
在那里x=(?)和y=2。但这不起作用，因为zeros不支持“部分已知的TensorShape”，那么，我应该如何在TensorFlow中做到这一点呢？
浏览 1提问于2017-04-07得票数 6
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
1回答
我有一些从文件中读取数据的代码，并将它们用作tensorflow网络的输入。
import tensorflow as tf
reader = tf.TFRecordReader()
filename_queue = tf.train.string_input_producer(['/home/stuart/Desktop/tfrecords/m_6803.tfrecords'])
_, serialized_example = reader.read(filename_queue)
features = tf.parse_single_example(
seriali
浏览 1提问于2017-11-06得票数 2
2回答
如何获得概率层的形状？
、、、
我是一个具有TensorFlow概率层的建筑模型。当我这样做时，model.output.shape，我得到一个错误： AttributeError: 'UserRegisteredSpec' object has no attribute '_shape' 如果我这样做了，output_shape = tf.shape(model.output)它给出了一个Keras张量： <KerasTensor: shape=(5,) dtype=int32 inferred_value=[None, 3, 128, 128, 128] (created by l
浏览 35提问于2021-08-19得票数 2
回答已采纳
我刚开始使用Tensorflow。我有两个要作为输入的矩阵：
我的输出矩阵如下：
当我这样做的时候：
import tensorflow as tf
matrix1 = tf.placeholder();
matrix2 = tf.placeholder();
output_matrix = tf.placeholder();
这就足够了吗？如果矩阵是任意的，我不知道如何定义矩阵的形状和数据类型？
浏览 7提问于2018-01-15得票数 0
1回答
当我处理时间序列数据时，我尝试用Conv1D构建我的第一个CNN。我的目标是对1501形状的input_data进行压缩。x_train形状为(550,1501)，我增加了它的尺寸以适应模型。
但是，编译器会抱怨：
ValueError:一个形状为(550,1501，1)的目标阵列被传递给形状输出(None，1500，1)，同时用作丢失的mean_squared_error。此损失期望目标具有与输出相同的形状。
这是密码
import numpy as np
from tensorflow.keras.layers import Input,Dense, Conv1D, MaxPool
浏览 2提问于2019-12-29得票数 1
回答已采纳
当任何可训练变量将"validate_shape“参数设置为False时，Tensorflow的validate_shape将为我抛出一个错误。我将这个参数设置为false，以便在运行时允许动态批处理大小。
~/anaconda/lib/python3.5/site-packages/tensorflow/python/framework/tensor_shape.py in as_list(self)
774 """
775 if self._dims is None:
--> 776 raise ValueE
浏览 8提问于2016-11-19得票数 2
回答已采纳
我正在运行Nicholas Rennote的TFODCourse。当我执行评估模型代码时：
python Tensorflow\models\research\object_detection\model_main_tf2.py --model_dir=Tensorflow\workspace\models\my_ssd_mobnet --pipeline_config_path=Tensorflow\workspace\models\my_ssd_mobnet\pipeline.config --checkpoint_dir=Tensorflow\workspace\models\my_ss
浏览 2提问于2021-09-12得票数 0
tensorflow中的隐式广播是如何使用+和*的？
如果我有两个张量
a.get_shape() = [64, 10, 1, 100]
b.get_shape() = [64, 100]
(a+b).get_shape = [64, 10, 64, 100]
(a*b).get_shape = [64, 10, 64, 100]
怎么会变成64，10，64,100？
浏览 4提问于2016-05-15得票数 0
回答已采纳
2回答
关于子类如何继承从基类继承的另一个子类，我有一个问题。考虑以下几点:三角形继承形状，RightTriangle继承三角形。下面我有一个图片来描述这个场景。
RightTriangle可以直接从形状继承(考虑到它也是一个形状)吗？
浏览 7提问于2016-06-10得票数 1
回答已采纳
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
我试图用矩阵乘法的tensorflow做一个简单的操作，但是我必须使用它的列的可变大小的矩阵(如下面的例子所示)
import tensorflow as tf
input1 = tf.placeholder("float", [None,None])
input2 = tf.placeholder(tf.float32)
output = tf.mul(input1, input2)
with tf.Session() as sess:
print(sess.run([output], feed_dict={input1:[[1,2],[
浏览 1提问于2016-06-02得票数 1
回答已采纳
1回答
我想在C++中使用动态形状的张量。例如，我想在tensorflow中添加一个新的op，但我不知道开始时输出的形状。如果我使用Caffe，我可以首先将输出blob重塑为我将使用的最大大小，最后重塑为实际大小。如何使用tensorflow的张量做到这一点？
浏览 1提问于2016-12-09得票数 0
我想用tensorflow的Keras从现有的两个网络(模型)A和B中创建一个新的网络。新网络的架构是这样的。
输入-> A -> B ->输出
A的输出形状为(15,500)，B的输入为(1000)。我有一种转换方法，它接受形状(15,100)的输入，调用完全不同的网络(C)的预测，并返回形状为(1000)的输出。
我假设我必须引入Lambda层，它将使用我的转换方法将A的输出转换为B所需的格式，但是，当我尝试时，我得到了错误
"TypeError: /的不受支持的操作数类型：‘维度’和‘浮点’_“，用于在转换方法中调用predict。
这是转换方法。
def co
浏览 0提问于2017-04-11得票数 4
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
这是一个非常基本的tensorflow问题，但我还没有在文档中看到一个明确的解释。在之后，我们基本上将这两个层连接起来：
conv1 = tf.layers.conv2d(
inputs=input_layer,
filters=32,
kernel_size=[5, 5],
padding="same",
activation=tf.nn.relu)
此时的形状将是(28, 28, 32)。
conv2 = tf.layers.conv2d(
inputs=conv1,
filters=64,
kernel_si
浏览 2提问于2018-04-11得票数 1
回答已采纳
1回答
我使用TensorFlow 2和tensorflow.keras.layers的functional来构建模型。
我有一个输入张量(in_1)，它的形状是batch_size，长度，dim，我想计算沿长度维数的平均值，得到一个输出张量(out_1)，它的形状是batch_size，dim。
我该用哪一种来做呢？(就输出形状和培训而言，所有这些选项都有效)
out_1 = Lambda(lambda x: tf.math.reduce_mean(x, axis=1))(in_1)
out_1 = Lambda(lambda x: tf.keras.backend.
浏览 4提问于2020-12-07得票数 2
回答已采纳
Tensorflow 可以选择设置padding='same'，使输入形状与输出形状相同。对于是否有类似的东西？我看到有设置padding='same'的选项，但是这个选项似乎在maxpool中丢失了。目前的解决办法是什么？
浏览 5提问于2022-02-07得票数 1
回答已采纳
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
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
当我用整数张量初始化Variable op时，它似乎没有GPU内核。例如，运行：
with tf.device('/gpu:0'):
var = tf.Variable(initial_value=([[1,2],[3,4]]))
sess = tf.Session()
sess.run(var)
将导致例外情况：
tensorflow.python.framework.errors.InvalidArgumentError: Cannot assign a device to node 'Variable': Could not satisfy expli
浏览 2提问于2016-05-25得票数 2
回答已采纳
通过附加操作和未定义的形状将Keras Upsampling2d操作转换为此操作。
但是，Tensorflow在没有此操作的情况下以正确的形状进行转换。
这会导致未定义的整体模型输出形状，并导致设备上的错误。怎么解决这个问题呢？
浏览 2提问于2021-04-07得票数 0
回答已采纳
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
1回答
我使用的是keras，当我尝试model.fit时，它会抛出一个错误，因为X_Train和Y_Train输入的形状不兼容。
我拥有的数据是一个由10个输入和1个输出组成的系统。我使用数据的9次迭代作为测试，所以我有一个包含9个向量的列表，形状为10，1，所以可以理解，X_Train.shape = 9，10，1。我的输出是一个由9个值组成的列表，使得Y_Train.shape = 9,1。然而，我得到了这样的错误：
tensorflow.python.framework.errors_impl.InvalidArgumentError: Incompatible shapes: [9,1] v
浏览 0提问于2019-07-27得票数 0
回答已采纳
1回答
馈电叠加RNN输出到全连接层
、、、、
我试图用tensorflow中的堆叠RNN来解决回归问题。RNN输出应该输入到一个完全连接的层中进行最终的预测。目前，我正在纠结于如何将RNN输出输入到最终的fully_connected层。我的输入是形状为batch_size，max_sequence_length，num_features
RNN层的创建方式如下：
cells = []
for i in range(num_rnn_layers):
cell = tf.contrib.rnn.LSTMCell(num_rnn_units)
cells.append(cell)
multi_rnn_cell = tf.co
浏览 1提问于2018-04-13得票数 1
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
1回答
我有一个CNN： def cnn(trainImages, trainLabels, testImages, testLabels):
trainImages = np.array(trainImages)
trainLabels = np.array(trainLabels)
testImages = np.array(testImages)
testLabels = np.array(testLabels)
trainImages = trainImages / 255
testImages = testImages / 255
浏览 46提问于2021-08-13得票数 0
我正在加载 (23094，71,768)，(23094，19,282)的预训练模型.
当我传递形状为(29116，72,768)的新X值时，当检查输入时会出现错误:期望的lstm_1_input具有形状(71,768)，但得到与形状(72,768)的数组。
这是我的模型总结:模型："sequential_1“
图层(类型)输出形状参数
lstm_1 (无，71,256个) 1049600
lstm_2 (无，71，64) 82176
lstm_3 (无，32) 12416
dense_1 (稠密)(无，5358) 176814
reshape_1 (重塑)(无，19,282)
浏览 2提问于2020-04-06得票数 0
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
我可以这样在tensorflow中恢复一个变量：
with tf.Session() as sess:
var = tf.Variable([6, 7])
tf.train.Saver({'name': pvdm_train}).restore(sess, 'model.ckpt'))
但是，如果形状未知，我如何恢复它？当我只想加载一个变量并使用它来执行分类时，这是非常有用的。
浏览 0提问于2017-04-24得票数 0
我一直在使用Tensorflow库做教程。现在我想玩我自己的数据，但我失败得很可怕。这可能是个菜鸟问题，但我想不出来。
我使用这个例子：
我想使用我自己的图像，将我的图像转换为tensorflow使用。我使用的是：
现在，我将示例中的参数更改为：
n_input = 784
n_classes = 10
要这样做：
n_input = 9216
n_classes = 2
我这样做是因为我的图像是96 * 96，而我的图像只有2类
我还将权重和偏差更改为所需的数字。
我像这样读取数据：
batch_xs = imgReader.read_images(pathname);
作为Imag
浏览 1提问于2015-11-29得票数 13
回答已采纳
1回答
我有一个形状的张量= a、b、c
沿dim=1的张量平均值将给出形状= A，c的输出
我的目标是计算沿dim=1大于阈值的值的平均值。这在TensorFlow中是怎么可能的？
我知道tf.where()和tf.boolean_mask()函数，但不确定如何使用它们来完成这项任务。
浏览 0提问于2020-05-04得票数 1
我正在用实现这个( TensorFlow )。我的代码如下。
from tensorflow.examples.tutorials.mnist import input_data
import tensorflow as tf
def weight_variable(shape):
initial = tf.truncated_normal(shape, stddev=0.1)
return tf.Variable(initial)
def bias_variable(shape):
initial = tf.constant(0.1, shape=shape)
浏览 0提问于2016-12-04得票数 6
回答已采纳
我想知道这是不是正确的理解：
所有张量都是从某个操作派生出来的，并且在构造函数中为操作指定了一个名称，或者为特定类型的操作指定了默认名称。如果名称不是唯一的，TensorFlow将通过附加"_1"、"_2"等自动处理此问题。具有n个张量输出的操作将这些张量命名为"op_name:0"、"op_name:1"、...、"op_name:n-1"。
似乎出现了一个问题:如果x是一个tf.Variable，那么x.name就会提供"variable_name:0"。这令人困惑："variable_
浏览 1提问于2016-03-22得票数 42
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
