TensorFlow:获取非零张量中最小元素的索引的有效方法？
在TensorFlow中，要获取非零张量中最小元素的索引，可以使用tf.where和tf.argmin函数的组合。
首先，使用tf.where函数找到张量中所有非零元素的索引。tf.where返回一个包含非零元素索引的张量，其中每个非零元素都有一个对应的坐标。
然后，使用tf.argmin函数在这些非零元素中找到最小元素的索引。tf.argmin函数返回最小元素的索引。
以下是代码示例：
import tensorflow as tf
# 创建一个张量
tensor = tf.constant([0, 2, 1, 0, 3, 0, 4])
# 使用tf.where函数找到非零元素的索引
indices = tf.where(tf.not_equal(tensor, 0))
# 使用tf.argmin函数找到最小元素的索引
min_index = tf.argmin(tf.reshape(tensor, [-1]))
# 打印结果
with tf.Session() as sess:
print("非零元素的索引：", sess.run(indices))
print("最小元素的索引：", sess.run(min_index))上述代码输出的结果为：
非零元素的索引： [[1]
[2]
[4]
[6]]
最小元素的索引： 0对于TensorFlow的更多信息和用法，请参考腾讯云的相关产品和文档：
- TensorFlow产品介绍：https://cloud.tencent.com/product/tensorflow
- TensorFlow开发者文档：https://www.tensorflow.org/guide
相关·内容
2回答
我很难理解Tensorflow张量和稀疏张量的含义和用法。
根据文件
张量
张量是一种典型的多维数组.例如，您可以将一小批图像表示为一个四维浮点数字数组，其中包含维度批处理、高度、宽度、通道。
稀疏张量
TensorFlow将稀疏张量表示为三个独立的密集张量:索引、值和形状。在Python中，为了便于使用，三个张量被收集到一个SparseTensor类中。如果有单独的索引、值和形状张量，则在传递到下面的操作之前，将它们包装在SparseTensor对象中。
我的理解是张量用于操作、输入和输出。稀疏张量只是张量(稠密？)的另一种表示。希望有人能进一步解释不同之处，以及他们的用例。
浏览 3提问于2017-12-05得票数 24
回答已采纳
我想做这样的事情。
假设我们有一个张量A。
A = [[1,0],[0,4]]
我想从中得到非零值和它们的索引。
Nonzero values: [1,4]
Nonzero indices: [[0,0],[1,1]]
在Numpy中也有类似的操作。
在展平的A中，np.flatnonzero(A)返回非零的索引。
x.ravel()[np.flatnonzero(x)]根据非零索引提取元素。
下面是这些操作的。
我如何用python在Tensorflow中做类似上面的Numpy操作呢？
(矩阵是否展平并不重要。)
浏览 4提问于2016-08-30得票数 33
回答已采纳
问题
你好!是否有任何方法可以将张量修改成自己的等级版本而不使用eval？
例如，6，4，5 -> 3，1，2
上下文
我感兴趣的是使用秩相关作为一个代价函数，我的带宽解决方案是使用session.run(张量)来得到numpy值，然后修改它来表示秩相关性。
到目前为止，问题是在训练过程中，权重和偏差并没有变化，这使得我认为TensorFlow没有计算有意义的梯度。
我已经改变了我的学习率在许多值之间(500到3e-8)，看看这是否是问题。没有运气，重量和偏见保持不变。
浏览 2提问于2016-07-21得票数 3
回答已采纳
1回答
向量化张量分配
、、
我想为一个张量分配多个值，但似乎它不受支持，至少在使用时是不受支持的。
a = np.zeros((4, 4))
v = np.array([0, 2, 3, 1])
r = np.arange(4)
a[r, v] = 1
>>> a
array([[1., 0., 0., 0.],
[0., 0., 1., 0.],
[0., 0., 0., 1.],
[0., 1., 0., 0.]])
上面的方法是可行的，但是的等效值并不是这样：
import tensorflow as tf
a = tf.zeros((4, 4))
v
浏览 1提问于2021-05-25得票数 1
回答已采纳
给定一个一维张量(只是为了清楚，而不是数组)：[0,2,0,1,-3]，我想返回与零不同的值。按照这个示例，我想返回[2,1,-3]作为结果。我怎样才能在TensorFlow.js中做到这一点？
浏览 7提问于2020-09-10得票数 0
回答已采纳
Values Tensor: [[1,2,3,4,5], [6,7,8,9,10], [11,12,13,14,15]]
Query Tensor: [[1,2,8], [0,0,6], [11,12,13]]
Reult tensor: [[True, True, False],[False, False, True],[True, True, True]]
如果有值张量和查询张量，则要逐一检查值张量中是否存在查询张量，然后返回结果张量。我能问一下，我们是否有基于向量的方法来做到这一点(而不是使用tf.while_loop)？
更新的：我认为如下所示，tf.sets.set_intersec
浏览 0提问于2018-06-22得票数 5
回答已采纳
2-D张量，如：
[[0,0,1,0,1,0],
[0,1,0,0,0,1]]
我想填充每行中两个1之间的1，比如：
[[0,0,1,1,1,0],
[0,1,1,1,1,1]]
我该怎么处理tensorflow?谢谢。
浏览 0提问于2018-03-07得票数 0
我有一个包含整数的一维张量，例如3,2,1,2,1,2,3,1,1，我想计算每个整数出现的次数。我希望输出用另一个一维张量表示，即输出上面的张量是0,4,3,2。
我知道这可以在用于Tensorflow的Python API中完成，例如使用tf.unique_with_counts，但是我还没有找到在Tensorflow.js API中实现这一点的方法。
浏览 1提问于2018-12-11得票数 2
我需要使用3D张量最后一维的索引来索引4D张量的最后一维。例如，给定以下张量：
X = array([[[[ 0.14127222, 0.37404611, 0.09612721, 0.19907043, 0.84104371,
0.33678107, 0.03965124, 0.16844736, 0.61240914, 0.02107638],
[ 0.46010377, 0.4302605 , 0.95917015, 0.05052149, 0.96033522,
0.6383985 , 0.24895258, 0.787
浏览 1提问于2016-12-20得票数 3
我有一个3阶张量的形状(100, 257, 121)，我们称之为y_pred。
我从形状(257, 121)中提取了一个2级张量，我们称之为y_element。
是否有一种类似于tensorflow.not_equal()的方法，将y_element与沿y_pred轴0的其他2级张量单元进行比较，并返回形状(100)的布尔张量。
调用tensorflow.not_equal(y_pred, y_element)确实返回一个bools张量，但其形状与y_pred相同，这意味着它正在将y_element张量与y_pred中的所有3109700个值进行比较。
浏览 2提问于2020-05-18得票数 1
回答已采纳
如何仅使用Tensorflow操作根据自定义比较函数对形状为n,2的整数的Tensorflow张量进行排序？
假设张量中的两个条目是x1，y1和x2，y2。我希望对张量进行排序，以便按照条件x1 * y2 > x2 * y1对条目进行重新排序。
浏览 0提问于2018-05-03得票数 1
问题出在这里。
返回x的副本，其中每行的最小值设置为0。例如，如果x是:x= torch.tensor([[ 10、20、30，2，5，1 ]])，那么y= zero_row_min(x)应该是: torch.tensor([ 0，20，30，2，5，0 ])，您的实现应该使用约简和索引操作；不应该使用任何显式循环。输入张量不应修改。投入：
x:形状张量(M，N)
返回：
y:形状(M，N)的张量，它是x的副本，但每行的最小值被替换为0。
有人暗示应该使用无性系和阿格明。
在不使用循环的情况下，我很难理解如何做到这一点，下面的代码(尽管问题是正确的)是粗糙的。我在找一个更好的方法来解决这个问题
浏览 0提问于2021-09-01得票数 0
回答已采纳
1回答
如何合并一维和二维张量？
、、、
我正在将输入传递到Conv1d层，我需要将时间张量(150)和要素张量(150，15)作为150,150,15维的单个张量传递，但无法这样做
我尝试使用tensorflow的堆栈函数
inp=tf.stack([features,times],axis=1)
我希望得到shape[times,features]=[150,150,15]的张量。但是我得到了这个错误，
ValueError: Shapes must be equal rank, but are 2 and 1
From merging shape 0 with other shapes. for 'stack&#
浏览 0提问于2019-06-18得票数 2
我编写了以下测试代码(大得多的代码的一部分)
import tensorflow as tf
update_boolean = [True, False, True, False, True, True]
with tf.Session() as sess:
op = tf.where(update_boolean, lambda: tf.train.AdamOptimizer(0.1), lambda: tf.no_op())
我得到以下错误
TypeError: Expected binary or unicode string, got <function <l
浏览 2提问于2017-03-06得票数 1
回答已采纳
你能直观地解释或者给出更多关于tf.gather_nd的例子，以便在Tensorflow中索引和切片到高维张量吗？
我阅读了，但它非常简洁，我发现自己很难理解函数的概念。
浏览 2提问于2017-03-05得票数 35
假设我有一个张量A=a1，a2，...，我想重复张量的元素，形成一个新的张量。每个元素的重复次数在另一个张量B中表示。例如，如果B=1,3,2,2，..，结果应该是a1，a2，a3，a3，a4，a4，...有没有一种在tensorflow中执行此操作而不使用循环的有效方法？
浏览 2提问于2018-10-17得票数 1
这是什么？我学习tensorflow.js与youtube视频"6.3: TensorFlow.js:变量和操作-智力和学习“。
在我尝试这个get()之前，一切都很好。
const getRandomInt = (max) => {
return Math.floor(Math.random() * Math.floor(max));
};
const values = [];
for (let i = 0; i< 30; i++) {
values[i] = getRandomInt(10);
}
const shape = [2, 5, 3]
浏览 0提问于2018-10-17得票数 1
回答已采纳
我有一个在Python中运行的Tensorflow程序，出于一些方便的原因，我想在Java上运行相同的程序，所以我必须保存我的模型并在我的Java应用程序中加载它。
我的问题是不知道如何保存张量对象，下面是我的代码：
class Main:
def __init__(self, checkpoint):
...
self.g = tf.Graph()
self.sess = tf.Session()
self.img_placeholder = tf.placeholder(tf.float32,
shape=(1, 679, 1024, 3), n
浏览 0提问于2018-02-25得票数 0
回答已采纳
1回答
稀疏张量减少训练时间
、、、
我了解了PyTorch稀疏张量：
从docs ()：“火炬支持稀疏张量的COO(rdinate)格式，这可以有效地存储和处理张量，其中大多数元素是零。”
是否使用稀疏张量代替常规的PyTorch张量来减少训练时间？
浏览 3提问于2018-11-24得票数 2
回答已采纳
1回答
我有一组形状为50的(50,128,128,1)图像，它表示为TensorFlow中的张量。假设25th和30th图像只是零图像，但我不知道预先哪些图像都为零(本例中的25th和30th只是为了更清楚地说明情况)。我希望删除这样的图像，并有一个张量，是大小(48,128,128,1)。如何在Tensorflow中实现这一点，而无需循环通过张量50时间的50维数，并检查每幅图像是否为tf.reduce_sum(tf.abs(image_i))>0。
浏览 4提问于2020-01-17得票数 1
回答已采纳
3回答
在numpy中，我们可以这样做：
x = np.random.random((10,10))
a = np.random.randint(0,10,5)
b = np.random.randint(0,10,5)
x[a,b] # gives 5 entries from x, indexed according to the corresponding entries in a and b
当我在TensorFlow中尝试一些等效的东西时：
xt = tf.constant(x)
at = tf.constant(a)
bt = tf.constant(b)
xt[at,bt]
最后一行给出
浏览 56提问于2015-11-16得票数 31
1回答
考虑一下数据格式，比如：
df = pd.DataFrame({'r': [1, 1, 2, 2], 'c': [0, 2, 1, 2], 'v': [2, 4, 3, 5],})
我想提取一个numpy数组或张量，将'r‘和'c’作为矩阵的行和列索引。因此相应的矩阵将类似于：
arr = array([[0, 0, 0],
[2, 0, 4],
[0, 3, 5]])
那么，是否有一种很好的方法来做到这一点，或者我必须循环遍历每个df行？从像arr这样的矩阵中提取数据基df怎么样？
浏览 0提问于2021-03-07得票数 4
回答已采纳
我刚开始使用tensorflow(r1.0)中的ctc丢失层，与“标签”输入有点混淆。
在tensorflow的API文档中，它说
标签:A int32 SparseTensor.labels.indicesi，：== b，t表示labels.valuesi存储(批处理b，时间t)的id。labels.valuesi必须接受[0，num_labels]中的值
b，t和valuesi -我的意思是在批中序列"b“的"t”处有"valuesi“的标签吗？
它说值必须在[0，num_labels]中，但是对于稀疏张量，除了某些指定的位置外，几乎所有的地方都是0
浏览 2提问于2017-02-27得票数 3
回答已采纳
1回答
如果我有一个形状为"batch_size * length * hidden_size“的张量，还有另一个形状为"batch_size * 2”的索引跨度张量，其中索引跨度张量表示我想从第一个张量中选择的开始和结束索引。表示索引跨度张量是否有值
[[1,3], [2, 4]]
然后，我想从第一个张量中获得以下掩码
[[0, 1, 1, 1, 0, 0, ...], [0, 0, 1, 1, 1, 0, 0, ...]]
有没有办法用Tensorflow做到这一点？
浏览 0提问于2018-07-12得票数 0
1回答
我有个替身的情况。我想找出两个不同形状的二维张量的交点。
示例：
object_ids_ [[0 0]
[0 1]
[1 1]]
object_ids_more_07_ [[0 0]
[0 1]
[0 2]
[1 0]
[1 2]]
我正在寻找的输出是：
[[0,0],
[0,1]]
我偶然发现了"tf.sets.set_intersection&
浏览 0提问于2018-06-14得票数 4
回答已采纳
Pytorch提供torch.topk(input, k, dim=None, largest=True, sorted=True)函数来计算给定维数dim上给定input张量的k最大元素。
我有一个(16, 512, 4096)形状的张量，我使用torch.topk的方式如下-
# inputs.shape (16L, 512L, 4096L)
dist, idx = torch.topk(inputs, 64, dim=2, largest=False, sorted=False)
# dist.shape (16L, 512L, 64L), idx.shape (16L, 512L, 6
浏览 0提问于2018-09-01得票数 2
我得到了一些不同长度的序列(将文本数据编码为数字数据)。为了将它们拟合成张量，使用零将它们正确地填充到一个固定的宽度.例如：
import tensorflow as tf
x = tf.constant([[12, 31, 7, 5, 0, 0],
[ 1, 1, 0, 0, 0, 0],
[ 44, 9, 11, 21, 20, 22],
[ 0, 0, 0, 0, 0, 0]])
现在我的问题是：如何测量这些填充序列的(内容)长度？
我期望从上述样本中得到的产
浏览 5提问于2020-05-11得票数 0
回答已采纳
我使用的是TensorFlow 1.12。我有一个一维张量tag_mask_sizes，它主要包含零，但也包含一些正整数。如何有效地获取非零的最小元素的索引？我尝试了以下几种方法： tag_mask_sizes_suppressed = tf.map_fn(lambda x: x if tf.not_equal(x, tf.constant(0, dtype=tf.uint8)) else 9999999, tag_mask_sizes)
smallest_mask_index = tf.argmin(tag_mask_sizes_suppressed) 然而，tf.not_
浏览 34提问于2019-05-19得票数 2
回答已采纳
1回答
我正在阅读关于多类分类问题的Pytorch教程。而我发现，在毕道尔的损失计算行为让我很困惑。你能帮我做这个吗？
用于分类的模型如下：
class Net(nn.Module):
def __init__(self):
super(Net, self).__init__()
self.conv1 = nn.Conv2d(3, 6, 5)
self.pool = nn.MaxPool2d(2, 2)
self.conv2 = nn.Conv2d(6, 16, 5)
self.fc1 = nn.Linear(16
浏览 3提问于2020-06-02得票数 2
回答已采纳
3回答
我正在寻找一种方法来获得张量的局部极大值的指数，只使用TensorFlow。
tl；博士
我不是数据科学家。我不太了解计算机视觉背后的理论，但我正在尝试使用TensorFlow构建一个计算机视觉应用程序。我计划使用TF服务保存我的模型并将其调用为服务，因此我不能依赖外部库，如numpy、scipy等。我想要实现的是算法上与signal.argrelextrema相同，但是可以用模型保存并重新运行。这方面的其他算法已经显示为，但没有在TensorFlow中执行。谁能给我指明正确的方向？
浏览 6提问于2018-01-09得票数 0
回答已采纳
2回答
我有一个输入张量，开始时有零填充，然后是一个值序列。所以，就像：
x = torch.tensor([[0, 2, 8, 12],
[0, 0, 6, 3]])
我需要的是另一个张量，具有相同的形状，并保留0的填充和增加的序列，其余的数字。所以我的输出张量应该是：
y = ([[0, 1, 2, 3],
[0, 0, 1, 2]])
我试过这样的方法：
MAX_SEQ=4
seq_start = np.nonzero(x)
start = seq_start[0][0]
pos_id = torch.cat((torch.from_numpy(n
浏览 3提问于2020-12-27得票数 1
回答已采纳
稀疏张量与自身或稠密张量的乘法在TensorFlow中似乎不起作用。下面的示例
from __future__ import print_function
import tensorflow as tf
x = tf.constant([[1.0,2.0],
[3.0,4.0]])
y = tf.SparseTensor(indices=[[0,0],[1,1]], values=[1.0,1.0], shape=[2,2])
z = tf.matmul(x,y)
sess = tf.Session()
sess.run(tf.initialize_all
浏览 0提问于2015-12-01得票数 27
回答已采纳
我在tensorflow中实现了RBM。
使用小批处理实现参数更新存在一个障碍。
有两个张量
第一张量为100,3,1第二张量为100,1,4
100号是批次的大小。
所以我想把这些张量乘以，得到100,3,4张量。
但是当我实现这样的代码时
tf.tensordot(1st_tensor,2nd_tensor,[[2],[1]])
由此产生的张量形状为100,3,100,4
我该如何解决这个问题？
浏览 2提问于2017-05-22得票数 4
回答已采纳
我试图用二维张量来索引Tensorflow中的三维张量.例如，我有x of shape [2, 3, 4]
[[[ 0, 1, 2, 3],
[ 4, 5, 6, 7],
[ 8, 9, 10, 11]],
[[12, 13, 14, 15],
[16, 17, 18, 19],
[20, 21, 22, 23]]]
我想用另一个张量y of shape [2, 3]对它进行索引，其中y的每个元素都索引x的最后一个维度。例如，如果我们有y，比如：
[[0, 2, 3],
[1, 0, 2]]
形状[2, 3]的输出
[[0, 6, 11],
[13, 16
浏览 0提问于2018-03-12得票数 1
回答已采纳
如何裁剪具有未知值和大小的张量的常量填充(填充高度和宽度相同)？ 我会认为，因为我的张量周围的填充具有恒定值，并且高度/宽度相同，所以应该可以知道在哪里裁剪张量来删除填充。 import torch
# Test tensor with NCHW dimensions
a = torch.randn(1,4,5,5) # Can have any H & W size
# Create padding for testing
b = torch.nn.functional.pad(a, (2,2,2,2), 'constant', value=1.2) # Val
浏览 15提问于2020-12-21得票数 1
回答已采纳
我试图用指数张量来分割张量。为此，我尝试使用tf.gather。但是，我很难理解，不能像我期望的那样让它正常工作：
我有两个张量。具有[1,240,4]形状的[1,240,4]张量和形状[1,1,120]的ids张量。我想将activations张量的第二维与ids张量的第三维中提供的指数分开：
downsampled_activations = tf.gather(activations, ids, axis=1)
我给了它axis=1选项，因为它是activations张量中的轴，我想切片。
但是，这不会呈现预期的结果，只会给出以下错误：
tensorflow.python.framewo
浏览 5提问于2020-09-26得票数 4
回答已采纳
在TensorFlow中是否有一种方法可以提取方阵的对角线？也就是说，对于这样的矩阵：
[
[0, 1, 2],
[3, 4, 5],
[6, 7, 8]
]
我想获取元素：[0, 4, 8]
在numpy中，通过，这是相当直接的。
在TensorFlow中，有一个，但是它只使用对角线上的参数中指定的元素形成一个新的矩阵，这不是我想要的。
我可以想象如何通过大步.但在TensorFlow中，我看不出有多大的张量。
浏览 4提问于2015-11-13得票数 10
回答已采纳
如何在TensorFlow张量中执行以下操作？
在矩阵A中:如果Ai，j>1，则Ai，j=1
(在numpy中，我会这样做：A[A>1] = 1)
浏览 0提问于2017-09-25得票数 1
我想知道这是不是正确的理解：
所有张量都是从某个操作派生出来的，并且在构造函数中为操作指定了一个名称，或者为特定类型的操作指定了默认名称。如果名称不是唯一的，TensorFlow将通过附加"_1"、"_2"等自动处理此问题。具有n个张量输出的操作将这些张量命名为"op_name:0"、"op_name:1"、...、"op_name:n-1"。
似乎出现了一个问题:如果x是一个tf.Variable，那么x.name就会提供"variable_name:0"。这令人困惑："variable_
浏览 1提问于2016-03-22得票数 42
回答已采纳
1回答
假设我有一个张量，看起来是：
[[4, 5, 6],
[7, 8, 9],
[4, 125, 6],
[72, 81, 91]]
我希望第一篇和最后一篇专栏中的所有值都是0，因此结果如下：
[[0, 5, 0],
[0, 8, 0],
[0, 125, 0],
[0, 81, 0]]
在tensorflow (1.4版)中，最简单和最有效的方法是什么？
我尝试使用tf.boolean_mask，但我的tf版本不支持axis参数，而且它似乎删除了列，而不是将它们归零。
任何帮助都将不胜感激，谢谢！
编辑：输入张量可以有任意数量的列> 3，输出张量将是两个(指定的)列“零”出的张
浏览 0提问于2019-04-16得票数 1
回答已采纳
1回答
我有一个矩阵M
M = [0,11,111;...
0, 0,222;...
0,33, 0;...
4, 0, 0;...
5, 0, 0]
我想要一个向量，每列的最后一个非零值。
nzvals = [5,33,222] % how do I get this programatically?
find(a)给出了所有没有列上下文的非零的索引。
更糟糕的是，find(a,1,'last')给了一个单一的索引。
nonzeros = M>0给出了一个指标矩阵，在有非零值的地方有一个1。但我看不出如何用它得到列的最后一个
浏览 0提问于2017-12-27得票数 2
回答已采纳
3回答
当我浏览pytorch文档时，我在许多函数中遇到了术语layout = torch.strided。有没有人能帮助我理解它是在哪里使用的以及如何使用的。描述说这是返回张量的理想布局。布局是什么意思?布局有多少种类型？
torch.rand(*sizes, out=None, dtype=None, layout=torch.strided, device=None, requires_grad=False)
浏览 1提问于2019-06-19得票数 12
我是TensorFlow的新手。如果有一个10,1张量，我想找出具有相同值的所有行及其下标。 例如，有一个类似[[1],[2],[3],[4],[5],[1],[2],[3],[4],[6]]的张量。 通过比较矩阵中的每个元素，很容易得到如下所示的字典结构 python中的{‘1’: [0,5], ‘2’: [1,6], ‘3’: [2, 7], ‘4’: [3, 8], ‘5’: [4], ‘6’: [9]}，它可以记录每个元素在矩阵中出现的次数。我希望在TensorFlow中实现这一结果。有人能帮我一下吗？非常感谢。
浏览 14提问于2019-05-02得票数 0
当我注意到model.fit必须接受两个参数、输入和输出以及一些配置时，我正在学习TensorFlow.js。但输入是二维张量，写成如下：
let input = tf.tensor2d([1, 2, 3, 4, 5], [5, 1])
这看起来非常像一维张量，写成如下：
let input = tf.tensor1d([1, 2, 3, 4, 5])
由于二维张量实际上是5乘以1，所以我决定用一维张量来代替它。然而，这完全停止了程序的工作。那么，有没有某种类型的代码要求输入必须是二维的？如果是这样，为什么？
关于多维张量的话题，我还注意到model.predict不能接受零维张量或标量。见下
浏览 46提问于2019-11-07得票数 1
回答已采纳
假设我有一个(None，2)-shape张量indices和(None，)-shape张量values。这些实际的行号和值将在运行时确定。
我想设置一个4x5张量t，索引的每个元素都有值。我发现我可以像这样使用tf.scatter_nd：
t = tf.scatter_np(indices, values, [4, 5])
# E.g., indices = [[1,2],[2,3]], values = [100, 200]
# t[1,2] <-- 100; t[2,3] <-- 200
我的问题是:当索引有重复时，这些值就会累积。
# E.g., indices
浏览 0提问于2017-05-23得票数 3
我想实现一个提取Tensorflow张量中所有不同元素的操作。在python中，我通常使用set(array)，但我不知道Tensorflow中是否存在像set这样的数据类型，也不知道有任何类似效果的函数。
浏览 0提问于2019-04-25得票数 2
回答已采纳
我在Tensorflow中实现了一个特殊的损失函数。下面是一个特殊函数的numpy风格的代码，该函数选择前Q个元素，并屏蔽每行每列中的其他元素。注意，A是一个n*n矩阵，而q是一个小于n的整数。 def thresh(A, q):
A_ = A.copy()
n = A_.shape[1]
for i in range(n):
A_[i, :][A_[i, :].argsort()[0:n - q]] = 0
A_[:, i][A_[:, i].argsort()[0:n - q]] = 0
return A_ 现在的问题是，我
浏览 19提问于2019-06-21得票数 1
回答已采纳
1回答
我有一个张量张量，其中包含一些数值：
[ [0,0,0,1,1,1], [1,2,1,0,1,0] ... ]
对于每个张量，我想得到一个零值的随机指数。所以对于第一个张量，可能的输出值是0,1,2，而第二个张量，可能的值是3,5。(我只想从每一个可能的结果中随机选择一个，比如[0,5])
在tensorflow中实现这一目标的最佳方法是什么？
浏览 0提问于2018-09-07得票数 2
回答已采纳
假设我有一个具有形状(大小，大小)的2D张量，我想得到两个新的张量，其中包含原始张量的行索引和列索引。所以如果size是2，我想得到[0，0，1，1]和[0，1，0，1]
棘手的是，size是另一个张量，它的值只有在tensorflow会话中运行图形时才能知道。我如何在tensorflow中做到这一点？
浏览 33提问于2017-08-09得票数 2
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
实时音视频
对象存储
即时通信 IM活动推荐
腾讯云开发者
