我正在尝试从一个虚拟的csv文件中提取数据,以便在tensorflow中使用。虚拟数据只有两列:X(单个特征列)和Y(预期输出)。
X Y
11.0 13.0
23.0 33.3
... ... and so on
现在,我像这样读取数据:
import pandas as pd
dummy_data = pd.read_csv("dummy_data.csv", sep=",")
inputX = dummy_data.loc[:, 'X'].values
np.reshape(inputX, [11, 1])
我正在重塑nu
我有一个1D张量a,我想把它堆叠/打包/平铺成2D张量,比如y=[a, a, a]。如果我知道我想重复多少次,我就可以在使用reshape的同时使用tf.tile。
但我不这样做,因为大小取决于批量大小。占位符值为None,这不是有效的输入。我知道对于tf.slice来说,可以输入-1并让tensorflow找出它,但我不知道tensorflow如何推断出正确的大小。我确实有一个张量函数,它的形状与y相同,但我没有看到tile_like函数。
有什么建议吗?
我在tensorflow中创建一个稀疏张量,约为4,000,000×56,000,000。56M列是特征列AKA的大约10,600个可能值之间的交互变量,是所有值的组合。
Tensorflow的稀疏张量采用一个索引参数,它是一个列表列表,其中每个子列表x,y表示稀疏张量中值的行和列。
我有交互变量的组合:
combos = []
grouped_feature = df.groupby('feature')
for name, group in grouped_feature:
combos.append([*combinations(group.feature.uni
根据tensorflow网站,tf.reshape获取一个特定形状的张量,并将其映射到另一个形状的张量。我想把尺寸为600,64的张量映射到大小的张量。但这似乎不起作用。
我正在tensorflow上运行这个程序,在python3.6上,尽管它重塑为-1,8,8,8,但它并没有重塑到-1,8,8,1
import tensorflow as tf
import numpy as np
from sklearn import datasets
from sklearn.preprocessing import LabelBinarizer
# preprocessing method need
我正在重新实现,关键操作是双线性张量积。我几乎不知道这是什么意思,但这篇论文有一个很好的小图形,我理解它。
关键操作是e_1 *W* e_2,我想知道如何在tensorflow中实现它,因为剩下的应该很容易。
基本上,给定3D张量W,将其切片为矩阵,对于第j个切片(矩阵),将其每边乘以e_1和e_2,得到一个标量,这是结果向量(此操作的输出)中的第j个条目。
所以我想计算d维向量e_1,d x d x k张量,W,和另一个d维向量e_2的乘积。这个产品可以像现在一样用TensorFlow简洁地表达吗,或者我必须以某种方式定义我自己的操作?
早先编辑了
为什么这些张量相乘不起作用,有没
我试图在Tensorflow中计算相同维的n张量的线性组合。标量系数为Tensorflow Variables。
由于tf.scalar_mul没有推广到将张量向量乘以标量向量,因此到目前为止,我使用了tf.gather,并在pythonfor循环中分别执行了每个乘法,然后将结果列表转换为一个张量,并将它们相加到零轴。就像这样:
coefficients = tf.Variable(tf.constant(initial_value, shape=[n]))
components = []
for i in range(n):
components.append(tf.scalar_m
我正在尝试实现一个"segment_collect“(非常类似于segment_max,只是收集成一个张量而不是取最大值)。
t = tf.constant(["a", "b", "c", "d"])
s = tf.constant([0, 1, 1, 0])
r = tf.segment_collect(t, s) # r == [["a", "d"], ["b", "c"]]
一个简单的实现是在下面的伪代码中逐行构建结果:
r = []
for i in
我想在tensorflow示例中从给定的inceptionV3中进行转移学习。按照分类图像示例和这里给出的操作符和张量名称,,我可以创建我的图形。但是,当我将一批大小的图像(100、299、299、3)放在预计算的初始图中时,我在pool_3层得到以下形状错误:
ValueError: Cannot reshape a tensor with 204800 elements to shape [1, 2048] (2048 elements)
这个inceptionV3图似乎不接受图像批处理作为输入。我错了吗?
我使用tensorflow的问题如下:
对于具有dims n×m的张量X
X = [[x11,x12...,x1m],[x21,x22...,x2m],...[xn1,xn2...,xnm]]
我想得到一个n×m×m张量,它是n×m矩阵。
每一个m×m矩阵的结果是:
tf.math.greater(tf.reshape(x,(-1,1)), x) where x is a row of X
换句话说,对于X中的每一行k,我都试图得到对i,j,其中xki > xkj。这给了我一个矩阵,然后我想沿着第一个轴叠加这些矩阵,得到一个n立方体。
示例:
X = [[1,2],[4,3], [5,
复制Tensorflow张量的正确方法是什么?在常规Python中,非原语赋值(b = a)创建了对同一对象的引用,因此我们使用deepcopy。Tensorflow中是否同样需要tf.identity,或者Tensorflow是否将b视为b = a之后的唯一张量
我的具体需求总结如下。我正在构建一个以块为单位的模型,每个块都获取前一块的输出,通过层将其输入,然后与前一块的原始输出相加。请看标记为方法A和方法B的两行,哪一项是正确的?
for block_num in range(4):
if block_num == 0:
x = inputTensor