如何检查两个张量形状是否相同？
在云计算领域中，检查两个张量形状是否相同是一个常见的任务，可以通过以下方法进行检查：
- 使用编程语言提供的函数或方法：大多数编程语言都提供了用于检查张量形状的函数或方法。例如，在Python中，可以使用NumPy库的
shape属性来获取张量的形状，并使用==运算符来比较两个形状是否相同。示例代码如下：
import numpy as np
tensor1 = np.array([[1, 2], [3, 4]])
tensor2 = np.array([[5, 6], [7, 8]])
if tensor1.shape == tensor2.shape:
print("两个张量形状相同")
else:
print("两个张量形状不同")- 使用深度学习框架提供的函数：如果在深度学习任务中使用了框架如TensorFlow或PyTorch，这些框架通常提供了用于检查张量形状的函数。例如，在TensorFlow中，可以使用
tf.shape()函数获取张量的形状，并使用tf.equal()函数比较两个形状是否相同。示例代码如下：
import tensorflow as tf
tensor1 = tf.constant([[1, 2], [3, 4]])
tensor2 = tf.constant([[5, 6], [7, 8]])
shape1 = tf.shape(tensor1)
shape2 = tf.shape(tensor2)
if tf.equal(shape1, shape2):
print("两个张量形状相同")
else:
print("两个张量形状不同")无论使用哪种方法，检查两个张量形状是否相同都是非常重要的，特别是在进行矩阵运算或深度学习任务时。确保张量形状相同可以避免错误和异常情况的发生。
腾讯云相关产品和产品介绍链接地址：
- 腾讯云官网：https://cloud.tencent.com/
- 腾讯云云服务器（CVM）：https://cloud.tencent.com/product/cvm
- 腾讯云云函数（SCF）：https://cloud.tencent.com/product/scf
- 腾讯云云数据库MySQL版：https://cloud.tencent.com/product/cdb_mysql
- 腾讯云云原生容器服务（TKE）：https://cloud.tencent.com/product/tke
- 腾讯云云存储（COS）：https://cloud.tencent.com/product/cos
- 腾讯云区块链服务（BCS）：https://cloud.tencent.com/product/bcs
- 腾讯云人工智能（AI）：https://cloud.tencent.com/product/ai
- 腾讯云物联网（IoT）：https://cloud.tencent.com/product/iot
- 腾讯云移动开发（移动推送、移动分析）：https://cloud.tencent.com/product/mps
- 腾讯云音视频处理（点播、直播、实时音视频）：https://cloud.tencent.com/product/vod
- 腾讯云网络安全（DDoS防护、Web应用防火墙）：https://cloud.tencent.com/product/ddos
相关·内容
Tensorflow具有稀疏到密集矩阵乘法的实现tf.sparse_tensor_dense_matmul，但它是否具有稀疏到密集的元素乘法(两个张量具有相同的形状)？我希望避免将稀疏张量转换为密集张量，因为它不适合内存。
浏览 6提问于2017-08-03得票数 1
1回答
我有两个PyTorch张量A，形状30，11，32，64和B，形状30，11，89。我的目标是创建一个形状为30，11，89，32，64的张量C，其中张量A应该扩展并在第三维复制，然后在适当的维度与张量B相乘。 如何在PyTorch中实现这一点？
浏览 21提问于2020-01-14得票数 1
我想在Keras中实现我的自定义度量。根据文档，我的自定义度量应该定义为一个函数，该函数接受两个张量( y_pred和y_true )作为输入，并返回单个张量值。
但是，当优化运行时，我想不清楚这些张量y_pred和y_true到底包含了什么。只是一个数据点吗？是整批吗？整个时代(可能不是)？有没有办法获得这些张量的形状？
有人能指出一个值得信赖的地方我可以得到这些信息吗？任何帮助都将不胜感激。不确定是否相关，但我使用的是TensorFlow后端。
到目前为止，为了回答这个问题，我做了一些尝试：
检查 (没有解释这些张量是什么)。
检查并试图通过查看Keras实现来理解这些张量(这似
浏览 4提问于2017-10-10得票数 40
回答已采纳
我有两个张量A，一个是形状(25, 1010, 7, 512)，另一个是B，形状是(10, 7)。
我想使用B的第二个维度将A添加到前10个切片中，在Numpy中可以这样做：
A[:, :10, :, :] += B[np.newaxis, :, :, np.newaxis]
(更新原始张量并不重要，我可以使用现有的更新或者创建新的张量)。
当然，这不能在tensorflow中直接完成，而且tf.tensor_scatter_nd_add在这种情况下似乎不起作用，因为切片没有进入要更新的张量的最终维度。是否有任何方法可以做到这一点稀疏，或我需要垫出B 100倍？
编辑:在将numpy示例从就地
浏览 5提问于2020-12-10得票数 2
回答已采纳
在keras文档中，稠密层的输入张量将输入视为：
输入形状
形状的nD张量：(batch_size, ..., input_dim).最常见的情况是带有形状(batch_size, input_dim)的2D输入。
据我所知，输入张量中的批次大小是用于训练或预测的示例数量。
对于batch_size in model.fit，
batch_size:整数或None。每个梯度更新的样本数。如果未指定，batch_size将默认为32。
那么，两个批次大小是否做了相同的事情，减少了输入数据，以防止内存完全填满？
另外，我理解输入形状中的batch_size是可选的，因为如果没有指定
浏览 0提问于2019-07-28得票数 1
在我的计算管道中，我使用了自定义函数，它将创建定制的keras块，并且在Conv2D中多次使用这些块。最后，得到了两个不同张量的特征映射：TensorShape([None, 21, 21, 64])和TensorShape([None, 10, 10, 192])。在这种情况下，使用tf.keras.layers.concatenate进行连接对我不起作用。有人能指出如何把这两个张量连成一个吗？有什么办法让这事发生吗？
如果我能够用TensorShape([None, 21, 21, 64])和TensorShape([None, 10, 10, 192])的形状连接张量，我想在级联之后执行
浏览 4提问于2020-08-26得票数 2
回答已采纳
1回答
我想知道是否有可能将两个不同形状的pytorch张量连接起来。一个张量的形状为torch.Size(247247)，另一个张量的形状为torch.Size(10,183)。在dim=1上使用torch.cat()可以将它们连接起来吗？
浏览 16提问于2020-12-27得票数 0
正如我们所知，我们可以通过填充模式计算conv2d的输出tensor的形状，是清晰的，但我对conv2d_transpose非常困惑，它是否填充了输入张量，然后调用conv2d？它在哪里转置滤波器或输入？如何根据填充模式计算输出张量的形状，对于conv2d_transpose是SAME还是VALID
浏览 2提问于2018-01-28得票数 4
我有两个张量:张量a有形状(n, 1)，张量b有形状(p, q)，其中p和q都很小，但是n很大。我想把它们的“外积”张量c作为形状为(n, p, q)的张量，这样它的元素是
c[i, j, k] = a[i, 0] * b[j, k]
我应该如何使用tensorflow/keras广播或函数来实现这一点而不需要循环呢？
浏览 2提问于2020-02-28得票数 1
回答已采纳
2回答
我有一个形状的输入张量(32,256,256,256)。在这个张量形状中，32是批次大小。第二，256是给定大小为256×256的图像中的信道数。
我想做池，以便将张量转换成形状( 32，32,256,256)。在PyTorch中，如果我尝试应用池，则形状的最后两个维度(与图像相关)正在发生变化，但与通道相关的维度却没有变化。
能否将池应用于输入张量以获得输出张量？如果不可能，建议我如何将输入张量转换为输出张量？
浏览 0提问于2021-09-23得票数 1
在我的问题中，我想在我的神经网络模型中卷积两个张量。
两个张量的形状分别为None，2，1，None，3，1。维度为None的轴表示输入张量的批量大小。对于批量的每个样本，我想将形状为2，1和3，1的两个张量进行卷积。
然而，TensorFlow中的tf.nn.conv1d只能将输入与固定的内核进行卷积。有没有什么函数可以根据批量大小轴支持两个张量的卷积，类似于tf.multiply，它可以为每个样本乘上两个张量，或者只是元素乘法。
我运行的代码可以简化为：
input_signal = Input(shape=(L, M), name='input_signal')
inpu
浏览 1提问于2019-12-24得票数 0
问题：
假设我有两个张量，a和b。两者具有相同的形状：[?, 10, 4096]。
如何将两者拉链，使由此产生的张量形状为?，20,4096，，但同时也是，使得a的ith元素就在b的ith元素之前。
列表示例：
a = [1, 3, 5]
b = [2, 4, 6]
现在我想要一个张量，它看起来像[1, 2, 3, 4, 5, 6]和，而不是 [1, 3, 5, 2, 4, 6]，这就是如果我用tf.stack和tf.stack，然后使用tf.reshape会发生什么，对吗？
或者一个更普遍的问题是，你怎么知道tf.reshape是按照什么顺序重塑张量的？
浏览 1提问于2018-02-20得票数 0
回答已采纳
3回答
两个3D张量之间的点积
、、、
我有两个三维张量，具有形状[B,N,S]的张量A和同样具有形状[B,N,S]的张量B。我想要得到的是第三个张量形状，我希望它是[B,B,N] C，这里的元素是C[i,j,k] = np.dot(A[i,k,:], B[j,k,:]。我也想实现这是一种矢量化的方式。 一些进一步的信息:两个张量A和B具有形状[Batch_size, Num_vectors, Vector_size]。张量C应该表示来自A的批次中的每个元素与来自B的批次中的每个元素之间的点积，以及所有不同向量之间的点积。 希望它足够清晰，并期待您的回答！
浏览 43提问于2019-06-26得票数 4
回答已采纳
我有两个张量：
带形状的128,24,24,256B A:形状为128,24,24,64
我想把它们加在一起，但是维数是不同的，所以通过类比2D矩阵，我想把张量B和其他张量C相乘，这样张量积B*C就有维数128,24,24,256。
我怎样才能在丹索尔·弗洛做到这一点？哪个维度应该是C张量？
浏览 5提问于2021-03-17得票数 1
回答已采纳
在处理与问答(MRC)相关的问题时，我实现了两种不同的架构，它们独立地给出了两个张量(令牌上的概率分布)。这两个张量都是维度(batch_size,512)。我希望获得表单(batch_size,512)的最终输出。如何使用可训练权重组合两个张量，然后根据最终预测训练模型？
编辑(附加信息)：
因此，在我的NN模型的前向函数中，我使用BERT模型对512个令牌进行编码。这些编码是768维的。然后，这些被传递到线性层nn.Linear(768,1)以输出形状张量(batch_size,512,1)。除此之外，我还有另一个建立在BERT编码之上的模型，它也产生了形状的张量(batch_size，5
浏览 5提问于2020-06-21得票数 0
我试图编写一块可重用的代码，读取一个张量的形状，然后使用生成的对象来定义其他张量的形状。我可以选择用tf.shape(tensor)读取张量的动态形状，或者用tensor.get_shape()读取张量的静态形状。玩具示例如下(有两种不同的策略)：
def my_function_strategy_1(x, y):
x_shape = tf.shape(x)
a = tf.reshape(y, x_shape)
b = tf.zeros(x_shape)
num_x_values = x_shape[0]
c = tf.reshape(y, [num_x
浏览 1提问于2018-02-28得票数 2
回答已采纳
3回答
如何使用torch.stack在没有就地操作的情况下将形状为a.shape = (2, 3, 4)和b.shape = (2, 3)的两个张量叠加起来？
浏览 0提问于2018-09-12得票数 29
回答已采纳
1回答
给定两个2-D pytorch张量：
A = torch.FloatTensor([[1,2],[3,4]])
B = torch.FloatTensor([[0,0],[1,1],[2,2]])
有没有一种有效的方法来计算形状(6，2，2)的张量，其中每个条目是一列A乘以每行B
例如，对于上面的A和B，3D张量应该具有以下矩阵：
[[[0, 0],
[0, 0]],
[[1, 1],
[3, 3]],
[[2, 2],
[6, 6]],
[[0, 0],
[0, 0]],
[[2, 2],
[4, 4]],
[[4, 4],
[8, 8]]]
我知
浏览 2提问于2021-01-19得票数 2
我有两个张量，我想连接在tensorflow。
这些张量的形状是:(Bs,dynamics,n_features)
batch_size和n_features保证是相同的，所以我认为这个操作是可能的。
不过，我认为丹索尔·弗洛会进行预检查吗？tensorflow将检查两个形状为(None, None, n_features)的张量是否可以连接在轴1中，这是不可能的，因为它不知道None+None的结果是什么
有人知道这件事吗？
浏览 4提问于2022-07-25得票数 1
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
2回答
在TensorFlow中，我有一个形状为(?, 14, 14, 512)的张量，h。
我通过做tf.reshape(h, [-1, 196, 512])来重塑
这导致了形状为(?, 196, 512)的张量。太完美了。我需要对numpy数组执行相同的操作。
我在磁盘上保存了一个巨大的多维NumPy数组。它看起来是这样的：
features = numpy.ndarray([3000, 14, 14, 2048], dtype=np.float32)
并且需要它的形状：
[3000, 196, 2048]
我如何才能进行这种转换，从而不会丢失信息？
会是numpy.reshape(feature
浏览 1提问于2018-01-10得票数 0
这里的新手，我很抱歉，如果这个问题是愚蠢的，但我在网上找不到任何关于它的东西。对于tf.squared_difference的输出，我得到了一个意想不到的形状。我希望从下面的片段中获得一个具有shape=(100, ?)形状的张量作为损失
[print("Logits",logits,"#Labels",labels,"LOSS",tf.squared_difference(labels,logits)) for logits, labels in zip(logits_series,labels_series)]
然而，它会产生(100,10
浏览 3提问于2017-10-10得票数 0
回答已采纳
在Theano中，当具有A，B，C形状的三维张量x和C，D形状的二维张量y时，theano.tensor.dot(x, y)返回A，B，D形状的三维张量。
“火炬”中的等效操作是什么？torch.dot似乎不这样做，x * y和torch.mm抱怨说，他们想要两个参数的2D张量，而torch.bmm则需要两个参数的3D张量。
浏览 8提问于2016-03-16得票数 1
回答已采纳
我试图在Keras上建立一个神经网络，它看起来像这样：
📷
$x_1$，$x_2$，..。是经历相同转换$f$的输入向量。$f$本身就是一个必须学习其参数的层。序列长度$n$在实例之间是可变的。
我在这里很难理解两件事：
What输入是否应该类似于？我在考虑一个带有形状的2D张量(number_of_x_inputs，x_dimension)，其中x_dimension是单个向量$x$的长度。这样的二维张量能有可变的形状吗？我知道张量可以有可变形状的批处理，但我不知道这是否对我有帮助。
在将每个输入向量输入到RNN层之前，我是否要将其传递到相同的转换中？是否有一种方法可以对<#>H
浏览 0提问于2018-02-15得票数 4
回答已采纳
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
1回答
我有两个张量的火把，这些形状：
torch.Size(64,100)和torch.Size(64,100,256)
我想通过torch.cat把它们连接起来，但是它们应该是相同的形状和大小。所以我得到了这个错误：
RuntimeError:张量必须具有相同的维数: got 2和3
我该怎么做才能解决这个问题？如何将二维PyTorch张量转换为三维张量，或者如何在不丢失任何数据的情况下将三维PyTorch张量转换成二维张量？或者其他的想法？
浏览 5提问于2021-12-07得票数 0
回答已采纳
我有一个计算神经网络雅可比的程序，但是为了正确地定义雅可比，我用tf.reshape来生成数据向量(据我所知，jacobian: dy/dx只在y和x是向量(不是矩阵或张量)时才定义)。
这是我的密码
@tf.function
def A_calculator():
with tf.GradientTape(watch_accessed_variables=False) as gtape:
noise=tf.random.normal([1000, 100])
gtape.watch(noisex)
fakenoise=tf.reshape(gen(no
浏览 1提问于2022-01-21得票数 2
我探索了数据集的图像：和我发现大多数图像张量都有形状( 64，64，3)，即高度和宽度分别为64和64的图像，以及红色、绿色和蓝色的三个通道。但是数据集中的一些图像张量具有形状(64，64)。
这是否表示没有频道呢？这怎么可能呢？
编辑-我下载了这个张量形状的图像(64，64)：
编辑-它有可能有一个渠道的其他颜色空间，如实验室？(这里b指从蓝色到黄色的颜色)。
浏览 0提问于2020-07-08得票数 0
回答已采纳
假设我有一个形状为[3, 5, 200, 300, 3]的张量。如何将前两个dim合并在一起，以获得具有shape [15, 200, 300, 3]的张量？然后我应该能够反向合并操作，并具有原始的形状。
浏览 33提问于2017-08-28得票数 5
回答已采纳
2回答
我有两个相同形状的张量t1和t2 (在我的例子中是64，64，3)。我需要计算这两个张量的异或。但却想不出办法。
import bitstring
from bitstring import *
@tf.function
def xor(x1, x2) :
a = BitArray(float=x1, length = 64)
b = BitArray(float=x2, length = 64)
a ^= b
return a.float
这个xor函数计算python中两个浮点值的xor。
样本输入张量是，
t1 = tf.constant([[1.1, 2.2, 3.3
浏览 2提问于2021-04-02得票数 1
回答已采纳
我有两个张量，x和y：
X有形状：[21314, 3, 128, 128] y有形状：[21314]
我能得到新的形状张量：[ [21314, 3, 128, 128], [21314] ]，基本上是2形状
浏览 1提问于2020-04-30得票数 0
回答已采纳
假设我们有形状(n, k)和(n, k)的两个2D张量。我们希望将这两个张量与所有行式排列连接在一起，以使得到的张量具有形状(n, n, 2*k)。 例如， A = [[a, b], [c, d]]; B = [[e, f], [g, h]] 得到的张量应该是： [[[a, b, e, f], [a, b, g, h]], [[c, d, e, f], [c, d, g, h]]] 假设输入张量A和B具有非静态形状，因此我们不能使用for loop over tf.shape()索引值。 任何帮助都是非常感谢的。非常感谢。
浏览 22提问于2020-08-25得票数 1
回答已采纳
1回答
我可以使用两个形状分别为64 x 64 x 320的张量。如何计算这些张量元素之间的欧几里得距离？
浏览 11提问于2020-05-24得票数 0
我有两个张量(OQ，OA)，在我的模型的最后一层的末尾，形状如下。
OQ形状：(1,600)
OA形状：(1600)
这些张量是'tensorflow.python.framework.ops.Tensor‘型的。
如何计算Tensorflow 2.0中这些张量的余弦相似性和欧氏距离？，我们又得到一个张量，还是在0,1之间得到一个单一的分数值？请帮帮忙。
我试过了，但没能看到比分。
score_cosine = tf.losses.cosine_similarity(tf.nn.l2_normalize(OQ, 0), tf.nn.l2_normalize(OA, 0))
pri
浏览 5提问于2020-03-06得票数 1
回答已采纳
2回答
最近我对张量有点困惑。如果我们有一个形状为(3,2,3,4)的张量，我们的意思是在第一维中有3组数？或者仅仅意味着在第一维中只有3个数字？
接下来是第二个问题，对于形状为( 3，2)的张量A，为什么torch.max(A,0)的输出返回一组最大值，其中包含2 max值，而不是3，考虑到第一维中有3个数字。
>>>a = torch.randn(3,2)
a tensor([[-1.1254, -0.1549],
[-0.5308, 1.0427],
[-0.1268, 1.0866]])
>>>torch.max(a,0)
浏览 2提问于2020-09-29得票数 0
回答已采纳
我想以交替的方式连接shape=(None, 16)的两个张量(因此结果张量必须是shape=(None, 32)，其中第一个张量的第一个数组以交替方式混合，第一个张量的第一个张量，以此类推。
我该怎么做呢？
我不能循环张量，因为未知的shape[0]，zip函数不支持张量(张量对象不可迭代)。我用的是Python3的Tensorflow。
浏览 2提问于2017-09-26得票数 2
回答已采纳
我正在使用tf.train.Saver、save和restore保存和恢复一个save模型。在还原过程中，我将加载新的输入数据。restore方法引发此错误：
InvalidArgumentError (回溯参见上文)：赋值需要匹配两个张量的形状。lhs shape= 1334,3 rhs shape= 1246，3[节点:保存/分配_6=分配]]
这似乎表明问题在Variable_2中，但是如何确定代码中的哪个变量对应于Variable_2。
浏览 2提问于2017-04-30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
1回答
我有一个形状的张量x (n，200)。我想把它变成形状(n，218)，在当前张量的“行”的末尾加上一个18个数字的张量。n根据批处理的大小而变化，所以我想要一种对任何n都这样做的方法。
到目前为止，我已经有了一个可行的解决方案，但是我想知道是否有一个内置的方法来完成这个任务，我没有在文档中看到任何特别的东西。我的方法是：
import torch.nn.functional as F
x = F.pad(input = x, (0, 18, 0, 0)) # pad each tensor in dim 2 with 18 zeroes
for index in range(x.shape[0
浏览 3提问于2022-05-06得票数 0
回答已采纳
1回答
是否有可能在Tensorflow中交错两个参差不齐的张量？例如:我有两个具有相同“RaggedTensors”的形状： a = [[[10,10]],[[20,20],[21,21]]]
b = [[[30,30]],[[40,40],[41,41]]] 我想把它们交错，这样得到的张量就像这样： c = [[[10,10],[30,30]],[[20,20],[40,40],[21,21],[41,41]]] 请注意，张量a和b始终具有相同的“形状”。 我一直在尝试使用stack和concat函数，但它们都返回了不需要的形状： tf.stack([a,b],axis=-1)
c = [[[[
浏览 20提问于2021-10-26得票数 0
我想从三维张量中提取元素，生成二维张量。我有三维张量(2000×2×3)和指数1D-张量表示3-dim (2000).指数张量一定包含2 0 0 0个元素的指数0~2。
事实上，我希望在A[:,:,inds]中得到相同的结果。如何用tf.gather_nd做这件事，请帮帮我。
浏览 4提问于2016-12-12得票数 0
在训练期间，我加载图像和视差数据。图像张量为2、3、256、256，视差/深度张量为形状：。我想使用Conv3D，所以我需要组合这两个张量并创建一个新的形状张量：。深度值从0到400之间，一种可能是将其划分为间隔，例如，4间隔100。我希望得到的张量看起来像一个体素，类似于这个中使用的技术。迭代数据的培训循环如下：
for batch_id, sample in enumerate(train_loader):
sample = {name: tensor.cuda() for name, tensor in sample.items()}
浏览 6提问于2022-03-23得票数 0
回答已采纳
1回答
我想检查两个张量是否具有相同的形状。
假设我有一些这样的张量：
a = tf.placeholder(tf.float32, shape=[None, 3])
b = tf.placeholder(tf.float32, shape=[None, 3])
我添加了assert a.shape == b.shape。然而，这失败了，可能是因为没有。实际上，a.shape = (?, 1)，b.shape也是(?, 1)。它们在我看来是一样的。
如果没有None，则可以正常工作。
a = tf.placeholder(tf.float32, shape=[1, 3])
b = tf.placeho
浏览 2提问于2017-03-01得票数 3
回答已采纳
如何将形状张量(4，10，3,368,368)转换为(40，3,368,368)。我找不到任何关于这方面的文档。我可以手工编写它，但我相信有更容易的方法来扁平化前两个索引。
浏览 0提问于2019-04-16得票数 0
1回答
给定shape=[batch_size, max_time, 128] (RNN的输出)的张量，其max_time可能会有所不同，我想应用一个完全连接的层来将数据投影到[batch_size, max_time, 10]形状上。
问题是:我是否需要首先重塑输入张量，合并前两个维度，然后应用tf.layers.dense，然后重塑回3D？或者，我可以简单地在3D张量上使用tf.layers.dense来获得等效效果吗？
我希望为128个RNN单元和10个输出类之间的所有连接共享一个权重矩阵，同时允许每个批次的可变长度max_time。
浏览 1提问于2017-10-12得票数 4
给定形式的张量
T = tf.placeholder(tf.float32, [None, 2])
如何将T分成形状(?，1)的两个单独的张量，每列一个？
浏览 0提问于2018-06-10得票数 3
1回答
不同尺寸的两个张量
、、、
我有两个张量。例如-
a = torch.randn((500, 200, 10))
b = torch.randn((500, 5))
我必须将每个b张量与对应的a张量的所有元素连接，即a[0]的每200个张量应该与b[0]连接--最终维数应为(500, 200, 15)。
在不使用显式for循环的情况下，我如何有效地实现这一点？
浏览 0提问于2021-04-28得票数 0
回答已采纳
假设我们有两个TensorFlow张量：input和weights。
比方说，input是n个图像的张量。所以它的形状是n，H，W，C。weights是n个标量权重的简单列表：[w1 w2 ... wn]
其目的是将每个图像与其相应的权重进行标量相乘。
如何做到这一点？
我尝试使用具有1x1核的tf.nn.conv2D，但我不知道如何将秩1权重张量重塑为所需的秩4核张量。
任何帮助都将不胜感激。
浏览 2提问于2019-10-20得票数 1
当使用tf.layers.conv2d_transpose时，什么定义输出张量形状？
例如:如果输入为4x4x512，对于输出为8x8x256，可以给出过滤器，但是高度和宽度是如何定义的呢？否则，它总是输入高度和宽度的两倍吗？
谢谢。
浏览 0提问于2018-02-25得票数 1
回答已采纳
在中，它说：
在TensorFlow中，张量既有静态(推断)形状，也有动态(真)形状。静态形状可以使用tf.Tensor.get_shape()方法读取:该形状是从用来创建张量的操作推断出来的，并且可能是部分完成的。如果静态形状未完全定义，则可通过计算tf.shape(t)来确定张量t的动态形状。
但是，我仍然不能完全理解静态形状和动态形状之间的关系。是否有例子显示他们的不同之处？谢谢。
浏览 3提问于2016-05-08得票数 63
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
即时通信 IM
对象存储活动推荐
腾讯云开发者
