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
我有一个三维张量,其维数如下:宽度x高度x深度。我需要将可变大小的卷调整到一个特定的形状,比如256 x 256 x 256。不幸的是,在TensorFlow.js中,它们用于调整大小的一组方法(如tf.image.resizeBilinear & tf.image.resizeNearestNeighbor )仅适用于2D图像有办法让这些方法在3D空间中工作吗?
我在使用Tensorflow和keras时遇到了问题。我们可以这样解释这个问题:
我们有一个模型(卷积神经网络),它的输出形式是[None, 7, 7, 6]。我们有一个函数“定制丢失”。它们是[7,7,6]格式的。当我编译它时,我得到了错误消息:TypeError: must be real number, not Tensor。我想当我调用y_pred[k][l][m]和y_true[k][l][m]时可能有错误,但我不知道如何将这个None包含在[None, 7, 7, 6]中。请帮帮忙。