腾讯云
开发者社区
文档
建议反馈
控制台
登录/注册
首页
学习
活动
专区
圈层
工具
文章/答案/技术大牛
搜索
搜索
关闭
发布
精选内容/技术社群/优惠产品,
尽在小程序
立即前往
文章
问答
(3970)
视频
沙龙
1
回答
张量
加权
均值
约简
、
、
使用
张量
x和权重w作为输入: w = [1, 1, 0] [[[1., 2.], [6., 4.]],[[5., 7.], [11., 9.]]] ) 如何输出
加权
的reduce_mean
张量
y?
浏览 13
提问于2020-04-01
得票数 0
回答已采纳
2
回答
在tensorflow中,如何用
张量
B指定的权值计算
张量
A沿轴的
加权
平
均值
?
、
、
、
我试图对RNN输出应用
加权
平均方案。我可以简单地用tf.reduce_mean(A,axis=1)来得到
张量
C有维数(a,c)。然而,我想做
张量
A沿axis = 1的“
加权
平
均值
”。对于d = 1,我可以执行tf.tensordot(A,B,[1,1])来获得维度(a,c)的结果。对于d=a,我无法计算
加权
平
均值
。 有人能提出解决办法吗?
浏览 1
提问于2019-03-28
得票数 2
回答已采纳
1
回答
PyTorch
张量
的
加权
平均
、
、
、
、
我有两个形式的y11,y12和y21,y22的火炬
张量
。如何求出这两个
张量
的
加权
平
均值
?
浏览 6
提问于2020-07-28
得票数 9
回答已采纳
2
回答
使用张力流的联合学习
、
这个想法很简单:从多个客户端获取更新的权重,并在服务器中进行平
均值
。model.setWeights(mean_weights); ,所以我的问题是:如何计算
张量
数组的平
均值
浏览 0
提问于2019-04-22
得票数 5
2
回答
多维回归问题的Keras损失函数
、
、
但是,由于我的目标数据有两个维度,是否将损失值计算为所有维度上的
约简
平
均值
(作为结果的标量)?我检查了Keras源代码,它使用K.mean(.,axis=-1)来计算MAE。如果K.mean与numpy.mean相同,"axis=-1“应该表示列的平
均值
(对于我的情况,它应该返回形状为(?,2)但不是标量的
张量
)。如果MAE返回确实是一个标量(
约简
均值
),这就给了我另一个问题。来自目标每个维度的数据不在同一范围内。一个减少的平均数将偏向于高价值维度。那么,我应该把我的模式改为多
浏览 0
提问于2018-04-19
得票数 7
1
回答
使用像素值,如何将图像大小缩小到任意分数(例如0.8倍、0.7倍或0.6倍)?
、
、
、
、
对于第二种情况(将200像素减少到100像素),我可以一次取2个像素的平
均值
来获得最终图像中的一个像素。但是如何做第一个(减少200个像素到150个像素)? 我非常感谢你抽出时间。
浏览 1
提问于2022-02-08
得票数 1
回答已采纳
1
回答
TensorFlow概率:如何使用log_prob损失函数进行样本
加权
?
、
我的问题是,我不确定如何在负对数似然(NLL)损失函数中实现样本
加权
。如何使用sample_weight
张量
中的权重计算y_pred.log_prob中的和?
浏览 174
提问于2021-11-08
得票数 1
回答已采纳
1
回答
Keras内置的MSE损失在2D数据上返回2D矩阵,而不是标量损失。
、
、
、
、
我试图评估单个2D测试样本的MSE损失,在Keras中使用一个自动编码器(AE),一旦模型被训练,我很惊讶当我调用Keras内置函数来获取单个样本的丢失时,它会返回2D
张量
。为了非常清楚,我期望MSE将所有像素上计算的平方误差的平
均值
与每个2D样本相关联(正如我在这个上所读到的)。这返回了2D
张量
作为每个样本的损失(输入
张量
大小为(N,M,1))。是不是像我预期的那样,每个样本的所有像素的平方误差的平
均值
?这不是内置代码所暗示的。 我是否绝对需要重新定义MSE损失,以获得每个测试样本的MSE损失?
浏览 0
提问于2019-08-19
得票数 3
回答已采纳
1
回答
如何在PyTorch中计算注意力得分和编码器输出的
加权
平
均值
?
、
、
、
、
我目前正在尝试在PyTorch中实现一个LSTM,只要涉及到处理批量大小和多维
张量
,我就会突然忘记线性代数是如何工作的。我有一个大小为64,19,1的注意力分数
张量
,其中64是批量大小,19是源句的最大长度。我还有一个编码器输出的
张量
(隐藏状态);它的形状是64、19、256,其中256是隐藏状态的维度。计算上下文向量/注意力得分和编码器隐藏状态的
加权
平
均值
的合适方法是什么?不幸的是,当涉及到超过两个维度/包括批次大小时,我的大脑无法对这些事情进行推理。
浏览 69
提问于2021-10-18
得票数 0
1
回答
获得任意形状的批量样品之间的随机
加权
平
均值
。
、
、
该层的意图是通过取每对样本的平
均值
合并两批,但随机
加权
每个平均。执行工作的问题是: 它的硬编码批次大小为32。在我的模型中,在创建该层时,批处理大小目前还没有定义。如何使形状为random_uniform的[batch_size] + [1] * rank_of_samples
张量
?或者,更抽象地说,是否有另一种方法可以通过对每对样本的随机
加权
平
均值
来实现合并两个批的相同目标?例如,形状类似于(32,)和(32, 28, 28, 1)的
张量
不能乘以,但是(32, 1, 1, 1)和(
浏览 3
提问于2019-11-25
得票数 1
回答已采纳
1
回答
减少Tensorflow中的两个
张量
、
、
、
我有两个
张量
。
张量
我要计算的是以下标量:tf.reduce_sum似乎很有帮助,但我无法将两个
张量
和
约简
函数组合在一起以得到我想要的结果。
浏览 3
提问于2017-02-27
得票数 2
回答已采纳
1
回答
如何计算
加权
测量之间的标准差?
、
、
我有几个
加权
值,我取的是
加权
平
均值
。我想用
加权
值和
加权
平
均值
来计算
加权
标准差。我将如何修改典型的标准差,以便在每个度量中包括权重? 当我简单地使用'x‘的每个
加权
值和'\bar{x}’的
加权
平
均值
时,结果似乎比它应该的小。
浏览 16
提问于2015-05-21
得票数 8
回答已采纳
1
回答
拉格朗日高斯
约简
算法
我的问题与一篇文章"Paillier同态加密计算平
均值
“有关,其中一位成员建议拉格朗日高斯
约简
算法将解密值降为有理数。如何使用拉格朗日高斯
约简
算法来减少数目?下面是指向原始帖子的链接:Paillier同态加密的
均值
计算。
浏览 0
提问于2018-02-02
得票数 0
回答已采纳
1
回答
在Keras中建立特定的自定义损失函数
、
我正试图像上面那样,基于3输出变量,制定一个自定义的丢失函数。本质上,我希望通过取y_true或y_pred的最大值,将每个输出的误差标准化为abs(y_true - y_pred),然后将其相加为合并损失。 def custom_loss(y_true, y_pred): y_true_f = K.flatten(y_true) y_pred_fc
浏览 6
提问于2019-01-31
得票数 1
回答已采纳
1
回答
为什么在`K.cast`中使用`categorical_accuracy`而不是`K.mean`?
、
函数keras.metrics.binary_accuracy非常简单: return K.mean(K.equal(y_true, K.round(y_pred)), axis=-1) def categorical_accuracy(y_true, y_pred):
浏览 2
提问于2017-09-13
得票数 2
回答已采纳
1
回答
张量
的
加权
平均
、
、
分别采用两个参数
张量
y_true和y_pred的
加权
平均函数;权重信息来自y_true
张量
。函数( y_true,y_pred) A=(y_ y_true -y_pred)**2 w-可从y_true导出,与y_true return average(A,weights=w)形状相同的
张量
<--标量 y_true和y_pred是3D
张量
。
浏览 10
提问于2017-02-02
得票数 4
1
回答
AttributeError:当使用后端random_uniform时,‘
张量
’对象没有属性'_keras_history‘
、
、
我在Keras中实现一个WGAN,在这里我计算了两个
张量
的随机
加权
平
均值
。AttributeError: 'Tensor' object has no attribute '_keras_history' 我尝试将alpha替换为real和generated,看看它是否与后端
张量
有关我需要一个随机均匀取样
张量
,形状为real或generated。
浏览 2
提问于2018-05-23
得票数 0
回答已采纳
2
回答
角度的
加权
平
均值
、
、
我想计算一组角度的
加权
平
均值
。现在我想知道如何计算
加权
平
均值
。也就是说,对于每个角度都有一个权重(权重总和为1)
加权
平
均值
应该是32度(如果我没有弄错的话)。
浏览 1
提问于2009-11-06
得票数 5
2
回答
熊猫群
加权
标准差
、
、
、
、
我要按类型分组,然后计算
加权
平
均值
和
加权
标准差。有什么简单的方法吗。
浏览 4
提问于2021-07-24
得票数 0
1
回答
“运行”
加权
平均
、
、
、
我经常在Python中的列表中添加/删除元组,并且对
加权
平
均值
(而不是列表本身)感兴趣。由于这部分在计算上比其他部分昂贵,所以我想对其进行优化。跟踪
加权
平
均值
的最佳方法是什么?我能想到两种方法: 只需跟踪当前
加权
平
均值
和所有权重之和,更改权重和当前
加权
平
均值
,就可以对每个添加/删除操作进行调整。
浏览 4
提问于2015-01-28
得票数 2
点击加载更多
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
热门
标签
更多标签
云服务器
ICP备案
对象存储
云直播
腾讯会议
活动推荐
运营活动
广告
关闭
领券