TensorFlow:如何在SetShapeFn([](::tensorflow::shape_inference::InferenceContext*中定义输出的形状c)
TensorFlow是一个开源的机器学习框架，用于构建和训练各种机器学习模型。它提供了丰富的工具和库，使开发者能够轻松地创建、训练和部署机器学习模型。
在TensorFlow中，可以使用SetShapeFn([](::tensorflow::shape_inference::InferenceContext*函数来定义输出的形状。这个函数是一个用于形状推断的回调函数，它接受一个InferenceContext对象作为参数，开发者可以在这个函数中根据输入的形状信息推断输出的形状。
在这个函数中，可以使用一系列的API来定义输出的形状。例如，可以使用函数set_output来设置输出的形状，使用函数set_output_rank来设置输出的秩（即维度的数量），使用函数set_output_dim来设置输出的维度大小等。
在定义输出形状的过程中，可以根据具体的需求和业务逻辑来进行灵活的设置。可以根据输入的形状、模型的结构以及任务的要求来确定输出的形状。通过合理地定义输出的形状，可以提高模型的性能和效果。
腾讯云也提供了一系列与TensorFlow相关的产品和服务，可以帮助开发者更好地使用和部署TensorFlow模型。以下是一些推荐的腾讯云产品和产品介绍链接地址：
人工智能：提供全球领先的人脸识别、文字识别、图像识别、语音技术、NLP、人工智能服务平台等多项人工智能技术，共享 AI 领域应用场景和解决方案。
腾讯云 TI 平台：是基于腾讯先进 AI 能力和多年技术经验，面向开发者、政企提供的全栈式人工智能开发服务平台，致力于打通包含从数据获取、数据处理、算法构建、模型训练、模型评估、模型部署、到 AI 应用开发的产业 + AI 落地全流程链路，帮助用户快速创建和部署 AI 应用，管理全周期 AI 解决方案，从而助力政企单位加速数字化转型并促进 AI 行业生态共建。
GPU 云服务器：是提供 GPU 算力的弹性计算服务，具有超强的并行计算能力，作为 IaaS 层的尖兵利器，服务于生成式AI，自动驾驶，深度学习训练、科学计算、图形图像处理、视频编解码等场景。腾讯云随时提供触手可得的算力，有效缓解您的计算压力，提升业务效率与竞争力。
相关·内容
1回答
我遵循了在github页面上手动安装syntaxnet的说明，并且一直到构建和测试SyntaxNet
当我试图在我的mac上运行bazel test命令时，我在编译过程中收到了大量的警告，所有这些似乎都会自动解决，直到我到达这里：
INFO: From Linking external/org_tensorflow/tensorflow/core/kernels/libgather_functor.lo:
/Applications/Xcode.app/Contents/Developer/Toolchains/XcodeDefault.xctoolchain/usr/bin/ranlib:
浏览 3提问于2017-08-11得票数 0
我已经成功编译了op注册文件，并在仅使用此文件的情况下进行了测试。但是在训练过程中，我试图调用op中定义的函数，遇到了这些错误，每次都会有所不同：
Segmentation fault (core dumped)
或
double free or corruption (!prev)
Aborted (core dumped)
或
ValueError: Shape must be rank 1 but is rank 99648624 for 'x' (op: 'x') with input shapes: [50, 1000, 3].
请注意，上面的数字99
浏览 1提问于2019-07-31得票数 0
2回答
我想学习如何。因此，为了做到这一点，我遵循了给定的教程。我创建了一个名为user_ops的文件夹，创建了一个"zero_out.cc“文件，并复制了教程中给出的代码。当我试图将操作程序编译成一个带有g++错误的动态库时，会出现以下情况：
()(tensorflow::shape_inference::InferenceContext)’：zero_out.cc:在lambda函数中: zero_out.cc:10:14: zero_out.cc:10:14：‘Status’尚未声明返回状态：：OK()；^ zero_out.cc: At全局范围: zero_out.cc:11:6:
浏览 6提问于2016-10-25得票数 0
回答已采纳
我正试图在我的Mac OSx Yosemite (10.10.5)上构建tensorflow源代码。在我运行这个命令之后
bazel build --config=opt //tensorflow/tools/pip_package:build_pip_package
我知道这个错误
规则'//tensorflow/core:candidate_sampling_ops_op_lib‘的C++编译失败: cc_wrapper.sh失败:执行命令错误执行命令外部/本地_config_cc/cc_Wrapper.sh -U_FORTIFY_SOURCE -f堆栈-保护程序-Wall -W线
浏览 1提问于2017-03-17得票数 0
我在tensorflow中实现了一个新的自定义c++ op。在相应的运算核的计算函数中，调用了一些标准的操作系统(如MatMul)。主要源代码是：
REGISTER_OP("NewOp")
.Input("input: int32")
.Output("output: int32")
.SetShapeFn([](::tensorflow::shape_inference::InferenceContext* c) {
c->set_output(0, c->input(0));
return Status::OK();
})
浏览 1提问于2018-05-25得票数 2
回答已采纳
所以我创建了一个tensorflow模型，但是它使用了一个现有的模型，它的输出形状为1,512或类似的形状。我想在最后添加几个层，但它需要以与类的数量相同的输出形状结束，而输出形状要小得多
例如，1，5。
减少输出的最佳方法是什么，以便在不丢失太多数据的情况下进行匹配？
我尝试过池化，但我觉得我理解得还不够深入。
浏览 0提问于2017-07-30得票数 0
回答已采纳
我正在尝试在tensorflow中实现一个新的op，有三个输入张量和两个输出张量，如下所示(由于与此问题无关，一些代码被忽略)：
REGISTER_OP("MyNewFuncOp")
.Attr("alpha: float = 1.0")
.Attr("beta: float = 1.0")
.Attr("debug: bool = false")
.Input("input1: float32")
.Input("input2: float32")
浏览 6提问于2017-08-24得票数 0
我有两个张量，形状为(100, 4)和(100, 2)。我想在TensorFlow中执行一个连接操作，类似于np.hstack，在NumPy中，这样输出将是形状的(100, 6)。有一个TensorFlow函数来完成这个任务吗？
浏览 5提问于2017-04-13得票数 10
回答已采纳
1回答
我试着用这个把图像分为两类。此外，我还应用了model.fit()函数，但它的显示错误。
ValueError:一个形状(90，1)的目标数组被传递给形状输出(None，10)，同时用作丢失的binary_crossentropy。此损失期望目标具有与输出相同的形状。
import tensorflow as tf
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Dense, Dropout, Activation, Flatten, Conv2D, MaxPooling2D,
浏览 3提问于2020-06-02得票数 0
回答已采纳
在Tensorflow中进行操作时，我必须在REGISTER_OP注册操作期间设置输出的形状。
具体来说，据我所知，我使用了SetShapeFn来设置输出。但是，如果我不能修复输出的形状，我就没有办法设置输出的形状。
到目前为止，如果我不能修复输出形状，我会将输出的形状设置为UnknownShape，但我担心在运行此操作期间存在一些缺点。
如果我将输出形状设置为UnknownShape会有什么不好的效果吗？
我想得到一些建议。
谢谢。
浏览 32提问于2018-08-07得票数 0
最近，我做了一个tensorflow自定义操作，用于裁剪和调整3D特征的大小。我已经完成了向前和向后的编码，并编译成功。然而，当我在一个层中使用这个op时，出现了一个错误，告诉gradient注册表没有我的前向op的条目，并且没有为它定义梯度。以下是详细信息：
这是.cc文件
#include <cstring>
#include "third_party/eigen3/unsupported/Eigen/CXX11/Tensor"
#include "tensorflow/core/framework/op.h"
#include "ten
浏览 1提问于2018-08-10得票数 0
1回答
在Tensorflow 中，我看到了，
REGISTER_OP("BroadcastGradientArgs")
.Input("s0: T")
.Input("s1: T")
.Output("r0: T")
.Output("r1: T")
.Attr("T: {int32, int64} = DT_INT32")
.SetShapeFn([](InferenceContext* c) {
... uninteresting detai
浏览 15提问于2017-03-01得票数 3
回答已采纳
我知道这有点愚蠢，因为BigQueryML现在为KM棍提供了良好的初始化。尽管如此，我还是被要求在tensorflow中训练一个模型，然后将它传递给BigQuery进行预测。
我保存了我的模型，一切都很好，直到我尝试将它上传到bigquery。我得到以下错误：
TensorFlow SavedModel output output has an unsupported shape: unknown_rank: true
因此，我的问题是:在BigQuery中不可能使用tensorflow训练的kmeans算法吗？
编辑
创建模型：
kmeans = tf.compat.v1.estimator
浏览 6提问于2020-02-11得票数 3
我正在tensorflow c++中加载.pb文件。现在我需要用我的数据填充输入张量，并获得输出张量。
为了填充数据，我使用了以下代码：
tensorflow::Tensor points_tensor{tensorflow::DataType::DT_FLOAT, tensorflow::TensorShape({number_of_points,4})};
auto pointsMapped = points_tensor.tensor<float, 2>();
for(int i=0; i<number_of_points; i++){
浏览 1提问于2021-02-20得票数 0
我正在尝试在tensorflow中训练模型，并获得一些张量的形状。但是即使我使用形状函数，我也看不到张量形状。我只能看到以下输出。 我应该怎么做才能看到张量的形状？ 代码： # mat is <class 'tensorflow.python.framework.ops.Tensor'>
tf.print(mat.shape) 输出： TensorShape([None, None])
浏览 27提问于2021-08-27得票数 1
Tensorflow 可以选择设置padding='same'，使输入形状与输出形状相同。对于是否有类似的东西？我看到有设置padding='same'的选项，但是这个选项似乎在maxpool中丢失了。目前的解决办法是什么？
浏览 5提问于2022-02-07得票数 1
回答已采纳
我想用tensorflow的Keras从现有的两个网络(模型)A和B中创建一个新的网络。新网络的架构是这样的。
输入-> A -> B ->输出
A的输出形状为(15,500)，B的输入为(1000)。我有一种转换方法，它接受形状(15,100)的输入，调用完全不同的网络(C)的预测，并返回形状为(1000)的输出。
我假设我必须引入Lambda层，它将使用我的转换方法将A的输出转换为B所需的格式，但是，当我尝试时，我得到了错误
"TypeError: /的不受支持的操作数类型：‘维度’和‘浮点’_“，用于在转换方法中调用predict。
这是转换方法。
def co
浏览 0提问于2017-04-11得票数 4
(基础) C:\tensorflow-master>bazel run -- Config =opt \ //tensorflow/contrib/lite/toco:toco -- \--输入文件=优化的图形.pb\--输出文件=abc.tflite\--输入格式=TENSORFLOW_GRAPHDEF\--输出格式=TFLITE\--推理类型=浮点\-输入形状=1,128,128，3\--输入数组=输入\--输出数组=最终结果警告:没有在任何.rc文件中定义配置值: opt错误:找不到要运行的目标信息:已用时间用法: 11.002s失败:生成未成功完成(已加载0个包)错误:生成失败。
浏览 0提问于2018-03-28得票数 1
我又回到了python，一直在尝试一些关于tensorflow和keras的东西。我想要使用plot_model函数，在整理了一些图形问题之后，我现在得到了这个错误-
TypeError: add_node()接收到一个非节点类对象：
我试着自己找一个答案，但结果很短，因为我找到的唯一答案似乎与tf无关。如有任何建议或替代意见，将不胜感激。这是代码和错误信息-我在这里的第一个问题很抱歉，如果我错过了什么，就让我知道。
我在python3.8中使用miniconda3
import tensorflow as tf
from tensorflow.keras import Model
fr
浏览 8提问于2020-05-05得票数 1
回答已采纳
1回答
我想在C++中使用动态形状的张量。例如，我想在tensorflow中添加一个新的op，但我不知道开始时输出的形状。如果我使用Caffe，我可以首先将输出blob重塑为我将使用的最大大小，最后重塑为实际大小。如何使用tensorflow的张量做到这一点？
浏览 1提问于2016-12-09得票数 0
1回答
在某些情况下，tensorflow似乎能够在图形创建时检查张量的值，而在其他情况下，这是失败的。
>>> shape = [constant([2])[0], 3]
>>> reshape([1,2,3,4,5,6], shape)
<tf.Tensor 'Reshape_13:0' shape=(2, 3) dtype=int32>
>>> zeros(shape)
<tf.Tensor 'zeros_2:0' shape=(?, 3) dtype=float32>
在上面的示例中，
浏览 0提问于2018-03-01得票数 4
回答已采纳
我有三个张量，A, B and C in tensorflow，A和B都是形状(m, n, r)，C是(m, n, 1)形状的二元张量。
我希望根据C的值从A或B中选择元素。显而易见的工具是tf.select，但是它没有广播语义，所以我需要首先显式地将C广播成与A和B相同的形状。
这将是我第一次尝试如何做到这一点，但它不喜欢我把张量(tf.shape(A)[2])混合到形状列表中。
import tensorflow as tf
A = tf.random_normal([20, 100, 10])
B = tf.random_normal([20, 100, 10])
C = tf.rand
浏览 2提问于2015-12-18得票数 16
回答已采纳
使用Tensorflow，我试图优化的形状参数。形状参数应始终大于零。
在TensorFlow中定义一个正变量的好方法是什么？
浏览 1提问于2019-01-15得票数 2
回答已采纳
假设我使用Tensorflow的Python创建了一个张量，如下所示，
x = tf.placeholder("float", shape=[None, inputLen])
我想在C++中创建一个tensorflow：：张量等价的张量，这样我就可以运行一个以x作为输入的经过训练的图。我应该如何处理输入形状的第一个维度，它在C++中是tensorflow::TensorShape类型？
如果我这样做了：
tensorflow::TensorShape inputShape;
inputShape.AddDim(0);
inputShape.AddDim(inputLen);
它
浏览 4提问于2015-12-20得票数 3
回答已采纳
1回答
在TensorFlow示例(https://www.tensorflow.org/tutorials/generative/dcgan#the_鉴别器)中，鉴别器只有一个输出神经元(假设为batch_size=1)。
然后，在训练回路中，利用具有形状BinaryCrossentropy的鉴别器输出，计算发电机的1损耗。然后，它计算损失梯度插入预测和标签到dBinaryCrossentropy导数，其结果形状也是1。当生成器的形状不匹配，而1层期望其形状与其输出匹配时，该Conv2DTranspose形状梯度是如何向后输入的？
\frac{dL}{dZ} = \frac{dL}{dA}*\fra
浏览 0提问于2023-01-28得票数 0
回答已采纳
2回答
我的模型包括以前加载的模型，并给出了“(无，)”的输出形状：
from tensorflow.keras.models import Sequential, Model
from tensorflow.keras.layers import Activation, Dense, Input, Subtract, Multiply, Lambda
x = Input((158,))
y = model(x)
c = Subtract()([x,y])
c = Multiply()([c,c])
d = Lambda(lambda arg: tf.keras.backend.mean(arg,a
浏览 2提问于2020-04-02得票数 1
回答已采纳
我正在尝试用于文本分类的基本Tensorflow JS模型，但是我得到了这个形状错误
(node:11400) UnhandledPromiseRejectionWarning: Error: Length of values '33693' does not match the size inferred by the shape '10000'.
这是我的密码
var X_Train = // tokenize sentences
var Y_Train = // encoded label
const xs = tf.tensor2d(X_Train);
浏览 4提问于2021-06-12得票数 1
1回答
我正在运行一个Tensorflow模型，返回一个3D数组作为输出，但我无法从张量中获取数据数组。
我确实打印了模型输出的形状，没有任何问题。
std::vector<tf::Tensor> outputs;
auto start_inference = std::chrono::high_resolution_clock::now();
_status = _session->Run({inputs}, {"k2tfout_0", "k2tfout_1"}, {}, &outputs);
if (!_status.ok
浏览 0提问于2019-02-12得票数 2
1回答
我有一个形状的张量= a、b、c
沿dim=1的张量平均值将给出形状= A，c的输出
我的目标是计算沿dim=1大于阈值的值的平均值。这在TensorFlow中是怎么可能的？
我知道tf.where()和tf.boolean_mask()函数，但不确定如何使用它们来完成这项任务。
浏览 0提问于2020-05-04得票数 1
1回答
输入张量rnn_pv为(?, 48, 1)形状。我想缩放这个张量中的每个元素，所以我尝试使用Lambda层，如下所示：
rnn_pv_scale = Lambda(lambda x: 1 if x >=1000 else x/1000.0 )(rnn_pv)
但它带来了一个错误：
TypeError: Using a `tf.Tensor` as a Python `bool` is not allowed. Use `if t is not None:` instead of `if t:` to test if a tensor is defined, and use TensorF
浏览 0提问于2018-11-06得票数 3
回答已采纳
通过附加操作和未定义的形状将Keras Upsampling2d操作转换为此操作。
但是，Tensorflow在没有此操作的情况下以正确的形状进行转换。
这会导致未定义的整体模型输出形状，并导致设备上的错误。怎么解决这个问题呢？
浏览 2提问于2021-04-07得票数 0
回答已采纳
我似乎想不出如何用tensorflow.js创建一个粗糙的张量。我在api文档中也找不到任何东西。
我正在做一个简单的猫对狗AI，并有不同大小的图像。我使用fs.readFileSync获取缓冲区，使用toJson方法，然后在训练数据中使用对象上的data属性作为向量。因为图像是不同的，每个矢量都是不同的大小，因此需要一个粗糙的张量。我已经尝试过在我的形状中使用null或NaN，但没有结果。
我对坦索弗洛也相当陌生，所以欢迎你提出任何建议。
这是我的代码：
const tensorflow = require('@tensorflow/tfjs')
const fs = req
浏览 0提问于2019-04-28得票数 2
回答已采纳
在channels_last格式中，数据张量的形状是(batch_size, height, width, channels)，而权重张量的形状显然是(参见参考2) (rows, cols, input_depth, output_depth)。
在channels_first格式中，数据张量的形状是(batch_size, channels, height, width)，而权重张量的形状是什么？
我一直在寻找那个问题的答案。当我运行代码并使用model.get_weights()获取权重和偏置张量时，权重张量的格式在channels_first中似乎与channels_last中的格式相同
浏览 8提问于2022-06-21得票数 0
回答已采纳
作为TensorFlow 的初学者，我无法理解为什么tensorflow.rank总是返回带空值的形状？
，这就是我正在做的：
import tensorflow as tf
%tensorflow_version 2.x
list_2d = [[1,2,3,4],
[5,6,7,8],
[9,10,11,12]
]
tensor_2d = tf.Variable(list_2d)
print(tensor_2d.shape)
print(tf.rank(tensor_2d))
，输出为
(3, 4)
tf.Tensor(2, shape
浏览 6提问于2020-05-24得票数 2
回答已采纳
1回答
我的问题是关于LSTMs，特别是如何在TensorFlow构造函数中指定LSTM单元的各种输入和输出的形状。我的理解是，LSTM单元有以下六种输入和输出：
1 External input/output
2 Hidden State input/output
3 Context State input/output
我也相信，每一个都是一个具有指定长度的向量。我的问题是:当我在我的TensorFlow模型中添加一个LSTM时，如何指定不同的向量长度？
浏览 0提问于2021-10-12得票数 0
回答已采纳
在tensorflow中使用tf.PriorityQueue似乎有问题。文档指出，初始化不需要形状参数。我不能指定张量的形状，因为它是动态的，形状是在运行时确定的。
来自上的tensorflow文档
__init__(capacity,types,shapes=None,names=None,shared_name=None,name='priority_queue')
Args：
容量:整数。可存储在此队列中的元素数的上限。
类型: DType对象的列表。类型的长度必须等于每个队列元素中的张量，但第一个优先级元素除外。每个元素中的第一个张量是优先级，它必须是int64类型。
浏览 0提问于2018-08-03得票数 0
回答已采纳
我想使用tf.keras接口创建一个自定义的合并层。但是，新的API隐藏了我想要继承的keras.layers.merge._Merge类。 这样做的目的是创建一个可以对两个不同层的输出执行加权求和/合并的层。以前，在keras python API (不是tensorflow.keras中包含的那个)中，我可以继承keras.layers.merge._Merge类，现在不能从tensorflow.keras访问它。 在此之前我在哪里可以做到这一点 class RandomWeightedAverage(keras.layers.merge._Merge):
def __init_
浏览 47提问于2019-09-27得票数 4
回答已采纳
在Ubuntu 16.04和14.04上使用最新的Keras和Tensorflow。以获取以下代码：
img2D = Input(shape=(100, 100, 3))
refPosX = Input(shape=(100, 100, 1))
refPosY = Input(shape=(100, 100, 1))
# refImg = Input(shape=(100, 100, 3))
# Passing values to depth net
depth_map = depth_net(dFeatures)
curX = tf.multiply(depth_map, refPosX)
浏览 2提问于2018-11-24得票数 1
当使用TensorFlow 1.x和TensorFlow集线器时，我们可以加载模块的规范来检查预期的输出形状(可能还有其他有用的规范！)就像这样：
spec = hub.load_module_spec("https://tfhub.dev/google/nnlm-en-dim128/1")
shape = spec.get_output_info_dict()['default'].get_shape()
在尝试对TF2.0兼容的集线器模块进行相同操作时，我在调用load_module_spec时遇到了以下错误消息
缺少支持: loader(*('/
浏览 0提问于2019-04-20得票数 0
回答已采纳
我正在处理一个回归问题，在这个问题中，我想预测3个参数(笛卡尔坐标)的值。对于相同的图像，我可以有几个可接受的坐标。为了做到这一点，我使用了一个神经网络，使用角星。为了训练我的网络，我想要实现一个自定义的损失函数，它将计算预测值和最近可接受值之间的欧几里德距离。用数学术语可以这样表示：
…的形状
是
我的目标的形状
是
。
为了计算这个损失，我首先重新塑造
才能得到正确的形状。然后执行损失计算(使用tensorflow 1.13)：
import tensorflow as tf
import tensorflow.keras.backend as K
config = t
浏览 4提问于2020-02-05得票数 0
回答已采纳
我提到了tensorflow中的this实现。它需要输出批嵌入的形状，但我无法获得mxnet符号的实际形状。你知道怎么做吗？
浏览 11提问于2018-12-31得票数 0
我正在构建一个自定义图层，然后在添加密集图层时遇到了输出形状问题。该层的输出形状似乎没有定义，即使我显式地这样做了。以下是重现该问题的最小代码：
import tensorflow as tf
from tensorflow import keras
class fakeLayer(keras.layers.Layer):
def __init__(self, **kwargs):
super().__init__(**kwargs)
def compute_output_shape(self, input_shape):
return (
浏览 0提问于2020-03-09得票数 4
1回答
我是TensorFlow的新手。我试图在本文中实现global_context提取，这实际上是对整个特征图的平均池化，然后将1x1特征图复制回原始大小。插图如下所示
具体地说，预期的操作如下。输入: N，1，1，C张量，其中N是批量大小，C是通道输出的数量: N，H，W，C张量，其中H，W是原始特征图的高度和宽度，输出的所有H*W值与1x1输入相同。
例如,
[[1, 1, 1]
1 -> [1, 1, 1]
[1, 1, 1]]
我不知道如何使用TensorFlow来做到这一点。tf.image.resize_images需要3个通道，并且tf.pad不能填
浏览 0提问于2017-03-10得票数 10
回答已采纳
我试图在tensorflow中定义一个二维占位符，但是，我事先不知道它的大小。因此，我定义了另一个占位符，但它似乎根本不起作用。下面是最小的示例：
import tensorflow as tf
batchSize = tf.placeholder(tf.int32)
input = tf.placeholder(tf.int32, [batchSize, 5])
错误消息：
Traceback (most recent call last):
File "C:/Users/v-zhaom/OneDrive/testconv/test_placeholder.py", l
浏览 9提问于2017-01-13得票数 8
回答已采纳
我正在尝试使用TensorFlow的 (在TensorFlow版本1.12.0中实现)建立一个神经网络。请考虑以下例子：
import tensorflow as tf
from tensorflow.contrib.layers import fully_connected
from tensorflow.contrib.nn import alpha_dropout
import numpy as np
N_data = 100
x_in = tf.placeholder(tf.float32, shape=[None, N_data], name="x_in")
kee
浏览 1提问于2019-04-23得票数 1
回答已采纳
我有一个同时包含图像和文本功能的数据集。训练数据的标签是一个二维数组，形状与输入图像相同，为1s/0。
因此，基本上，培训投入是：
输入具有(X,Y)形状的图像，
具有形状(Z,)的附加特征集(即文本特征)。
培训标签的形状为(X,Y)。
我正在尝试使用Tensorflow/Keras对这些数据进行模型训练。我知道我可以训练一个输入大小为(X* Y) + Z的模型，但我读到这并不是处理混合图像/附加数据特性的最佳方法。
所以我的问题是：
1)如何建立模型来处理混合输入类型？
2)由于输出与图像大小相同，是否需要定义(X * Y)大小的输出层？如何指定输出层，以便它能够接受多个值
浏览 1提问于2018-08-08得票数 2
回答已采纳
1回答
当我试图通过命令行在Windows10中使用带有FrozenGraph的图形转换工具时，我总是会得到相同的错误。代码：
C://tensorflow/bazel-bin/tensorflow/tools/graph_transforms/transform_graph ^
--in_graph=C://tensorflow-for-poets-2/tf_files/retrained_graph.pb ^
--out_graph=C://tensorflow-for-poets-2/new_optimized.pb ^
--inputs=Mul ^
--outputs=final_result
浏览 0提问于2018-07-27得票数 3
回答已采纳
1回答
毕氏张量标引
、、
我目前正致力于将一些代码从tensorflow转换为py手电筒，我遇到了 func的问题，没有直接的函数来转换它。
我想做的基本上是索引，我有两个张量，特征张量形状的[minibatch, 60, 2]和索引张量[minibatch, 8]，比如第一个张量是张量A，第二个张量是B。
在Tensorflow中，它直接用tf.gather(A, B, batch_dims=1)转换
我如何在火把中实现这一点？
我尝试过A[B]索引。这似乎不管用
A[0]B[0]可以工作，但形状的输出是[8, 2]
我需要[minibatch, 8, 2]的形状
如果我像[stack, 8, 2]那样叠加张量，它可
浏览 1提问于2019-07-17得票数 3
回答已采纳
1回答
我的问题是如何在tensorflow (1.4)中找到一种高效(主要是参数计数)的方法来实现滑动窗口，以便在图像中应用一个神经网络，并生成一个二维映射，每个像素(或区域)表示对应的接收字段(在这种情况下是滑动窗口本身)的网络输出。
实际上，我试图使用tensorflow实现或，但我无法理解我找到的实现。
这两种架构可以简单地描述为：
MTANN:将输入大小为1，N，N,1和输出大小为1，M，M,1的线性神经网络应用于1，M，M，1的图像，生成1，G，G,1大小的映射，其中生成的映射的每个像素对应于对应的NxN贴片属于某一类的可能性。
PatchGAN鉴别器:更通用的体系结构，因为我可以
浏览 1提问于2018-11-21得票数 2
我想知道我们应该如何将不同形状的多个张量连接成角的一个张量。为此我尝试了tf.keras.layers.concatenate，如下所示：
import tensorflow as tf
from tf.keras.layers import concatenate
print(tensor_1.shape)
print(tensor_2.shape)
new_tensor = concatenate([tensor_1, tensor_2],axis=1)
new_tensor
但我得到了以下值错误：
shape of tensor_1 (?, 30, 30, 128)
shape of
浏览 2提问于2021-02-15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
实时音视频
即时通信 IM活动推荐
腾讯云开发者
