1回答
所以，我有这个张量： [3,4], [9,0]])vec = torch.tensor([0,0,0,0,0,0,1,1,2,2])
我需要这样做张量列表6个零意味着张量0中的6个元素。2个1意味着张量1中的2个元素。等等。列数应该保持不变。
浏览 9提问于2021-06-05得票数 0
2回答
重塑张量是否保留了原张量的特征？
、、、、
我有一个形状为(8, 5, 300)的张量T，其中8是批次大小，5是每批文档的数量，300是每个文档的编码。如果我重塑张量如下，我的张量属性是否保持不变？T = T.reshape(5, 300, 8)>> Size[5, 300, 8]这会影响模型的训练吗？如果
浏览 4提问于2020-05-10得票数 3
回答已采纳
1回答
在我最近阅读的论文CountNet: Estimating the Number of Concurrent Speakers Using Supervised Learning中，它规定从CNN层输出的3D体积在进入LSTM层之前必须减少到2维序列，这是为什么？使用三维格式有什么问题吗？
浏览 32提问于2020-10-19得票数 0
回答已采纳
2回答
我正在尝试实现一个类似于完全卷积网络的东西，其中最后一个卷积层使用滤波器大小为1x1的滤波器，并输出一个'score‘张量。分数张量有形状批次、高度、宽度、num_classes。更新:如果我必须实现自己，我认为我可能需要将输入张量重塑为N，num_claees，其中N=批次x宽度x高度，并应用tf.nn.softmax，然后重塑它。这有意义吗？
浏览 0提问于2016-04-26得票数 9
这个问题已经问过好几次了，但我似乎无法将以前的解决方案适应于我的代码。因此，我希望就如何解决这一问题提出任何建议。我试过使用pdb，并在问题发生之前设置了一个跟踪点，这并没有给我多少信息。我正在使本教程适应我的问题：x_train.shape: (1161, 68, 68, 1)y_test.shape: (216,)发生错误的地方：steps = int(x_train.shape[0]/batchSize)
for i in ra
浏览 3提问于2017-12-14得票数 0
回答已采纳
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
浏览 1提问于2017-10-12得票数 4
我想在TensorFlow中使用这个函数，但是它对3D张量而不是4D张量进行操作:我有一个外部维度batch_size。tf.image.random_flip_left_right(input_image_data)(width, height, channels)(batch_size, width, height, channels)
如何将随机翻转函数映射到批处理大小中的每个图像，并将具有相同4D形状的张量作为输出？我的猜测是，它需要在函数入口处
浏览 4提问于2016-09-19得票数 5
如果一个文档包含20个句子，每个句子都有50个单词(为了简单起见，每个单词的向量大小为1)。我有10份文件的批次：
我的初始输入将是= (10*20，50，1)I使用批处理size=200，time_steps=50的LSTM，然后执行隐藏输出的加权和以并行的 (10 * 20,100)的形式产生固定长度的句子表示，这里我想将张量重塑为(10，20,100)，以便输入到批大小为10的句子LSTM中，time_steps 20，并执行LSTM的加权和以生成文档LSTM。我尝试了一个重塑层和keras.bac
浏览 2提问于2020-05-11得票数 1
回答已采纳
1回答
我正在尝试在keras中编写一个自定义损失函数，其中我需要根据中间层(其形状为(batch_size，1))的输出对y_true和y_pred (形状：(batch_size，64，64))之间的均方误差进行加权
浏览 11提问于2020-11-04得票数 0
我有190个特性和标签，我的批次大小是20，但是经过9次迭代之后，tf.reshape正在返回异常输入，重塑是一个有21个值的张量，但是所请求的形状有60，我知道是由于Iterator.get_next
浏览 0提问于2018-03-11得票数 2
回答已采纳
我需要将图像中的每个8x8x1块重塑为一个向量，这将产生一个32x32x64张量，其中每个1x1x64向量都是相应8x8块的重塑版本。我怎么才能用numpy或cv2做到这一点呢？
浏览 16提问于2020-03-26得票数 1
回答已采纳
1回答
在文档的顶部，它提到您可以使用(None，128)来处理128维向量的可变长度序列。tensor with shape: (batch_size, steps, input_dim)假设我有两个例子(a和b)，其中包含长度为100的X1维向量我需要将这些张量连接到c中吗？c.shape = (300, 100)c_reshape.shape = (3, 100, 100)
其中3是批次大小，100是步骤数，第二个100是输入大小。
浏览 6提问于2017-11-30得票数 6
回答已采纳
2回答
我只有批次(16个样本)的Tesnor，批次的标签张量和批次特征张量。1)如何将批次分为正对(即相同的标签)和负对。因为张量是不可迭代的，所以我不知道如何得到哪个样本有哪个标签，然后除以我的向量，或者得到张量的哪些索引属于每个类。
2)如何对批量张量中的一些指标进行成对距离计算？
浏览 0提问于2016-05-27得票数 14
回答已采纳
1回答
我想要一个k，由3通过n张量来表示n随机三维向量的k批次，每个向量在a和b之间都有一个量级(欧氏范数)。除了在for循环中将随机kx3xn张量的条目重新标度为n随机长度之外，还有更好/更惯用的方法来做到这一点吗？
浏览 1提问于2022-08-09得票数 2
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
浏览 43提问于2019-06-26得票数 4
回答已采纳
我有一个三维张量的名字，来自LSTM的形状(批大小x名称长度x嵌入大小)y0 = output.contiguous然后，我将y0置于一个线性层中，然后使用以下方法将其重塑为3D但我不太确定y的纤维是否与输出细胞有适当的关联，我担心这会影响我的学习，因为1的批次大小实际上是生成专有名称，任何更大的<e
浏览 1提问于2020-11-18得票数 0
回答已采纳
我正在开发一个程序，它为用户分配一个3x3网格中的9个停车场中的一个。每个批次都有不同的容量。我想使用向量，这样我就可以根据特定批次中剩余的空间量来缩小它，并且我觉得将向量保存在三维数组中是有意义的。
浏览 2提问于2014-11-25得票数 0
1回答
在下面的示例中，我认为最后一行应该返回形状为[5,1]的张量对象。但是，会抛出一个错误，声明形状[5]张量不能重塑为大小[5,5,1]张量。有没有人能解释一下重塑图层是如何工作的(也就是为什么它会增加额外的暗度)，以及如何将向量重塑为矩阵的过程？
谢谢
浏览 1提问于2018-08-10得票数 5
回答已采纳
云服务器
ICP备案
对象存储
云直播
腾讯会议
腾讯云开发者
