例如，我想做一个矩阵乘法，在这个过程中，我使用了tensorflow中的tf.matmul操作。并且，我想在tf中优化矩阵乘法。但是，我不能到达矩阵乘法是在tf_matmul中精确完成的。有没有人可以帮我做这件事？
浏览 20提问于2019-02-19得票数 0
2回答
我面临着一个问题，我需要在两个大矩阵A [400000 x 70000]和B [70000 x 1000]之间执行矩阵乘法。这两个矩阵是密集的，并且没有我可以利用的特殊结构。目前我的实现是将A划分为多个行块，比如sub_A [2000 x 70000]和sub_A * B。我注意到有很多时间花费在I/O上，即在sub_
浏览 0提问于2018-07-23得票数 2
我有两个使用tf.sparse_placeholder声明的稀疏矩阵。我需要在两个矩阵之间按元素进行乘法。但我在tensorflow中找不到这样的实现。最相关的函数是tf.sparse_tensor_dense_matmul，但这是在一个稀疏矩阵和一个稠密矩阵之间执行矩阵乘法的函数。
浏览 9提问于2017-08-17得票数 0
回答已采纳
我试图从Tensorflow内置的稀疏矩阵乘法API中获取性能优势。建议tf.embedding_lookup_sparse是正确的方法。但是，embedding_lookup_sparse的性能似乎在中有些令人失望。虽然它执行较小的矩阵乘法，<1,3196>和<3196,1024>，但稀疏度为0.1的稀疏矩阵不能获得密集
浏览 6提问于2016-06-08得票数 4
回答已采纳
在tensorflow中，tf.einsum()可以用于矩阵乘法。例如，假设我有两个张量A(dim=100,28,28,512)和B(dim=100,28,28,512)。我使用tf.einsum('ijkm,ijkn>imn',A,B)将矩阵A和B沿2维和3维相乘。该乘法的输出维数将为(100,512,512)。在这种情况下，tensorflow如何处理梯度反向传播？
浏览 1提问于2017-04-29得票数 3
我正在使用tensorflow 2.0来训练一个模型。我正在决定是否应该在矩阵的行或列的批处理中放置多个示例。显然，这也会影响我设计模型的方式。对于哪一个更好，有什么实际的建议吗？
浏览 2提问于2020-01-06得票数 0
回答已采纳
2回答
在我的研究中，我们有矩阵乘法的代码，大小在1000-10000之间。它看起来相当快，并且使用GPU进行计算。作为家庭作业，我们需要找到具有可用源代码的数字处理应用程序，其瓶颈是矩阵乘法。我们将把程序与GPU代码连接起来进行矩阵乘法，并测量加速比。
我的问题是，我在哪里
浏览 0提问于2010-06-04得票数 1
我想用tensorflow (TF 2.10)做下面的乘法，但是我不知道怎么做。tf.reduce_sum(a
浏览 13提问于2022-11-27得票数 0
回答已采纳
我知道在训练DNN时，通常使用多个GPU的方法是拆分数据集，并将每个拆分的数据集分配给每个GPU。
然而，有没有一种方法可以使用多个GPU来更快地计算完整的数据集？我的意思是，当GPU用于训练网络时，矩阵乘法在单个GPU中是并行的。我可以通过同时使用多个GPU来提高矩阵<em
浏览 0提问于2017-04-17得票数 0
1回答
应用致密层后的维度错误
、、、
在将dropout应用于最大池卷积层输出后，我正在尝试添加一个密集层。 dense = tf.layers.dense(self.h_drop, units=num_classes, activation=tf.nn.relu)Dimensions must be equal, but are 11 and 384 for 'outp
浏览 2提问于2017-11-22得票数 0
我已经用TensorFlow编写了我自己的矩阵乘法实现，当tf占位符的维度被正确定义时，它可以与tf占位符一起使用。), name="X")
y = tf.placeholder(tf.int64, shape=(None), name="y") 在我的实现中，我首先检查矩阵的维数，使它们匹配，这样
浏览 20提问于2019-09-30得票数 1
从github代码来看，MatMul操作似乎不支持分区矩阵。那么tensorflow中有没有什么工具可以支持分布在多个节点上的两个巨大矩阵的乘法呢？
浏览 3提问于2017-02-17得票数 1
考虑到Tensorflow API nn.softmax、nn.sparse_softmax_cross_entropy_with_logits、tf.nn.rnn等，似乎惯例是将样本作为一个批处理中的行放置在神经网络中，向前通过是tf.matmul(input_batch, W) + b，其中input_batch是形状[n_samples, input_size]的矩阵。在批处理中的所有样本(行)上广播行向量b<
浏览 4提问于2016-09-26得票数 2
我有一个带有一些较大的135 x 135 x 1 x 3卷积滤波器的tensorflow模型。下面是重现我的错误的最小脚本：import numpy as np
frames, height, width, channels = 200, 321, output_channels]的二维矩阵.我最初只是把这看作是
浏览 5提问于2017-08-30得票数 6
回答已采纳
我想通过屏蔽一些我知道在计算中不需要的值来优化Python中的矩阵乘法(加权回归)。它们仍然存在，因为我不想改变矩阵的大小。矩阵是浮点数。 Python (keras/tensorflow?)以不同的方式处理这些乘法，并显著加快过程，或者它将花费类似的时间，使这种掩蔽毫无意义？
浏览 46提问于2019-03-13得票数 0
1回答
Linear(2, 2)
(batch_size, 280) -> Linear(280, 2) 有人能给我解释一下全连接层是如何处理非平面化输入数据的吗我真的不知道如何思考> 2D矩阵乘法。以上都是等价的吗？(Linear是pytorch中的全连接模块)
浏览 13提问于2019-01-02得票数 0
在下面的python代码中，为什么通过numpy进行乘法的时间比通过tensorflow要小得多？import tensorflow as tfimport timex = tf.placeholder(tf.float32, shapestart_time))
sess.run(y, feed_dict={x: rand_array})
print("--- %s seconds <e
浏览 1提问于2016-12-20得票数 4
回答已采纳
我对如何定义LSTM的权重矩阵感到困惑。由于LSTM有8个权重矩阵，我不知道如何在tensorflow中初始化这些LSTM的权重矩阵。但是后来我发现了这个，它完全有意义，因为它有所有的8个权重矩阵，但它没有使用LSTM的tensorflow实现。与LSTM方程一致。但是在LSTM的tensorflow 中，我不
浏览 1提问于2016-08-05得票数 1
2回答
我需要在C++中实现一个自定义掩码-RCNN，以便在自定义数据集上执行实例分段。因为我是初学者，我只是知道这个理论，但我真的不知道如何应用它。
你能给我一些开始我的项目的指导吗？谢谢。
浏览 1提问于2018-10-03得票数 1
回答已采纳
1回答
我一直在努力优化我的计算；对于我尝试过的大多数操作，tensorflow都要快得多。我试图做一个相当简单的operation...Transform矩阵(将每个值乘以1/2，然后将1/2加到该值中)。
在@mrry的帮助下，我能够在tensorflow中执行这些操作。然而，令我惊讶的是，nu
浏览 7提问于2016-03-02得票数 0
回答已采纳
云服务器
ICP备案
云直播
对象存储
实时音视频
腾讯云开发者
