我知道还有关于这个话题的其他问题,所以很抱歉我不得不再问一遍,但我不能让它工作,因为我对这个话题非常陌生。 我有四个for循环(嵌套),其中执行某些算法计算(例如矩阵运算)。这些计算需要太多的时间来完成,所以我希望我可以使用多处理来加速这一过程。 代码如下所示。我在这里模拟了范围和矩阵大小,但在我的代码中实际上使用了这些范围(所以花费这么长时间也就不足为奇了)。* (r / 8)) / r #g is a vector A[-bi, -
我在努力处理不同的张量类型和它们之间的运算。例如,一个基本的部门tf.divide(a, b)给了我以下错误:
TypeError: Failed to convert elements of SparseTensor(indices=Tensor我可以通过调用tf.sparse.to_dense on a和b来解决这个问题。但是,当数据集很大时,这种方法不会扩展。一般情况下,它也不起作用,因为我不知道所有特性的张量类型(我在TFT中的preprocessing_fn中工作,数据来自Bi