我有同样的问题:重塑的输入是一个具有37632个值的张量，但请求的形状具有150528个值。name +'/' img_path = class_path + img_name # 每一
浏览 2提问于2017-09-28得票数 10
我有以下FCN-卷积神经网络的代码部分import osimport tensorflow as tf
coord.join(threads)`enter code here`
这是我将图片和蒙版制作为tfrecord的代码有一个错误！我是个新手。我现在感到很无助。我希望能得到你的帮助。谢谢!
浏览 3提问于2018-08-10得票数 2
我正在运行一个卷积神经网络来对猫和狗进行分类。这是我的代码。, verbose=1
) 我使用来自Kaggle：https://www.kaggle.com/tongpython/cat-and-dog的‘
浏览 73提问于2021-11-21得票数 0
回答已采纳
我有一个形状的张量A (300,256,256)。我想序列化A以保存为tfrecord格式。但我不能把它转换回相同形状的张量。tf.io.serialize_tensor(A)如果运行上面的代码，就会得到一个形状错误：
整形的tensorflow.pytho
浏览 1提问于2020-02-12得票数 2
回答已采纳
在tensorflow图的构造中没有出现错误，但是在tf.gradients图的计算过程中，我得到了一个形状不匹配的误差(我猜是在反向传播中)。这是我得到的错误：
输入整形是一个16777216值的张量，但所请求的
浏览 1提问于2018-03-17得票数 2
回答已采纳
tensorflow版本1.5.0rc1 python版本:3.5
例如：tf.reshape(x，-1,14,56,1)运行conv2d返回: InvalidArgumentError (参见上面的回溯)：输入整形是一个有358400个值的张量，但是所请求的形状需要3136的倍数
浏览 0提问于2018-04-18得票数 0
model_classifier.train_on_batch([X_batch_for_classifier, X2_batch], [Y1_batch, Y2_batch]) InvalidArgumentError:输入整形是一个张量，值为1605632，但所请求的形状有100352 Op:Reshape。model_classifier的输入张量<
浏览 2提问于2021-09-03得票数 0
我是tensorflow.When的新手，我试着修改模型结构，我把一个张量'r'，它的形状是(None,1 )，转换成带有tf.reshape(r,4，)的一维张量，然后输入到稠密层中。一维张量的形状为(4，)，稠密层的input_shape设置为(4，)，出现错误。ValueError:层“值”的<
浏览 5提问于2022-10-26得票数 0
2回答
0,1) for i in range(784)]) print(result)
"ValueError:不能为具有形状'(?，28，28，1)‘的张量’整形:0‘提供形状值(784，)“
浏览 0提问于2018-07-20得票数 5
回答已采纳
1回答
我有不同的长度输入。(下面是样本输入)[0.460997102135, 0.554708349218][0.328125但当我把输入填充数组重塑为-它抛出以下错误。mean_squared_error', optimizer
浏览 5提问于2017-03-07得票数 3
我正在工作与千层面和西亚诺的一个项目，需要创建一个定制层。然而，该层的输出并不取决于输入的大小，而是取决于输入的值.我知道keras (只有tensorflow后端)提供了lambda层的可能性，我成功地编写了一个表达式，它允许我根据输入的值获得输出。例如:如果我的输入张量有固定大小的
浏览 3提问于2017-04-23得票数 0
回答已采纳
我试图用我自己的数据集重新创建这项工作：
为了适应我的数据，我对代码做了一些轻微的修改，但我不认为这是造成问题的原因；当然，也可能是这样。我已经翻阅了所有的文档，但是我找不到任何可能对我有帮助的东西。我已经尽我所能通过在屏幕上打印东西来进行调试。我也尝试过更改IMAGE_SIZE，但这并没有什么不同。其他有用的信息是，我工作的专业版本的谷歌Collab和文件存储在谷歌驱动器的位置。
浏览 4提问于2022-09-10得票数 0
回答已采纳
_device="/job:localhost/replica:0/task:0/cpu:0"](Reshape_2, Reshape_3)]]这就是二进制文件看起来像标签、文件名、数据的样子
浏览 13提问于2017-03-24得票数 24
回答已采纳
我正在处理人脸检测任务，我是计算机视觉的新手。但我得到了一些问题，我已经尝试了一些变化，但对我不起作用。
浏览 4提问于2019-11-30得票数 1
上面写着：
虽然使用OutputProjectionWrapper是将RNN输出序列的维数降到每个时间步长(每个实例)只有一个值的最简单的解决方案，但它并不是最有效的。有一个更复杂但更有效的解决方案:您可以重塑RNN输出，然后应用一个具有适当输出大小的完全连接层。..。这可以提供一个显著的速度提升，因为只有一个</em
浏览 1提问于2019-03-22得票数 4
我们知道MultiHeadAttention的Keras提供了一个output_shape参数，您可以在其中指定需要将输出投影到的大小。但是，批处理大小和顺序维度似乎是不可更改的。TensorShape([3, 5, 5])的形状。我理解3的批处理维度和序列维度是不可更改或可定制的，因为查询键投影是如何工作的。现在，我想使用另一个自定义层来重塑这个张量</
浏览 2提问于2022-07-05得票数 0
回答已采纳
1回答
我想将我的数据从2d转换到3d，为此我创建了自动编码器，其中代码(隐藏层)有3个神经元。当训练开始时，它抛出异常。batch_size=100, validation_data=(x_test, x_test))
抛出异常的实际结果
浏览 17提问于2019-07-23得票数 0
towardsdatascience.com/text-classification-with-nlp-tf-idf-vs-word2vec-vs-bert-41ff868d1794 这是BERT分类器的代码错误代码在此问题的末尾： ## distil-bert tokenizer
tokenizer = transformers.AutoTokenizer.from_pretrained('distilbert-base-uncased
浏览 28提问于2020-10-21得票数 0
2回答
我有一个2D输入(如果其中一个考虑样本的数量)，我想要应用一个角化层来接受这个输入并输出另一个2D矩阵。因此，例如，如果我有一个带有大小的输入(ExV)，学习权重矩阵将是(SxE)和输出(SxV)。编辑 (Nassim请求)：from keras.models import Sequential
from
浏览 5提问于2017-02-10得票数 5
回答已采纳
我已经执行了以下代码 import torch import torch.optim as optim from torch.utils import data as t_data from torchvision import transforms
data_transforms =
浏览 0提问于2020-03-31得票数 0
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
对象存储
腾讯会议
云直播活动推荐
腾讯云开发者
