TensorFlow占位符维度-有什么区别？
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。在TensorFlow中，占位符（Placeholder）是一种特殊的张量，用于在图的执行过程中提供输入数据。
占位符维度指的是在创建占位符时，为其指定的维度信息。维度信息是一个元组，用于指定张量的形状。在TensorFlow中，维度信息是可选的，可以在创建占位符时指定，也可以在运行时动态指定。
区别：
- 有维度信息的占位符：创建占位符时指定了维度信息，即指定了张量的形状。这种占位符在图的执行过程中需要提供与指定维度相匹配的输入数据。维度信息的指定可以帮助TensorFlow在图的构建阶段进行静态形状检查，从而提前发现一些错误。
- 无维度信息的占位符：创建占位符时没有指定维度信息，即张量的形状是未知的。这种占位符在图的执行过程中可以接受任意形状的输入数据。无维度信息的占位符通常用于接收动态形状的输入数据，例如批量处理不同大小的图像数据。
应用场景：
- 有维度信息的占位符适用于需要固定形状输入数据的场景，例如图像分类任务中，输入图像的大小是固定的。
- 无维度信息的占位符适用于需要接受不同形状输入数据的场景，例如目标检测任务中，输入图像的大小可以不同。
推荐的腾讯云相关产品和产品介绍链接地址： 腾讯云提供了多个与机器学习和深度学习相关的产品和服务，其中包括：
- AI 机器学习平台（https://cloud.tencent.com/product/tiia）：提供了丰富的机器学习和深度学习工具和算法，可用于构建和训练各种模型。
- 弹性计算（https://cloud.tencent.com/product/cvm）：提供了灵活的计算资源，可用于部署和运行TensorFlow模型。
- 云数据库（https://cloud.tencent.com/product/cdb）：提供了可靠的数据库服务，可用于存储和管理训练数据和模型参数。
- 云存储（https://cloud.tencent.com/product/cos）：提供了高可用性和可扩展的对象存储服务，可用于存储大规模的训练数据和模型文件。
以上是腾讯云提供的一些与机器学习和深度学习相关的产品和服务，可以帮助用户在云计算环境中进行机器学习模型的开发和部署。
相关·内容
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
我正在尝试创建一个使用Keras的tensorflow模型，它与Google的机器学习引擎兼容。我有一个现有的经过训练的Keras模型，它接受向量浮点输入。我在现有模型的前面引入了一个字符串向量输入层。这将传递要预处理的字符串。我试图使用Lambda层对图像数据进行预处理。在预处理过程中，为了解码字符串jpeg数据，我需要从张量中删除批处理维度。预处理之后，我需要重新引入“无”批处理维度。这就是我要面对的问题。似乎没有办法重新引入“无”作为批处理维度。Google引擎要求批处理维度在整个模型中始终是未知的。
Tensorflow版本: 1.12 Keras版本: 2.2.4 OS: Debia
浏览 1提问于2019-03-27得票数 1
回答已采纳
2回答
我已经安装了tensorflow，下面是教程
构建成功后，可以得到相同大小的数据集的评价结果，比如1000 X784的训练集和1000X784的测试集。
但是，如果我想测试一个数据，1X784，并找出输出是什么，使用上面训练的算法。
我现在是tensorflow，机器学习的新手，我希望我已经描述了我自己。
浏览 2提问于2016-01-02得票数 0
回答已采纳
1回答
我指的是TensorFlow网站上的MNIST教程。有一个用于保存28 x 28像素MNIST图像的张量。该形状如下所示：
x = tf.placeholder(tf.float32, shape=[None, 784])
如您所见，它们将矩阵展平，并将所有像素用作784个值的一维向量。
如何使用28 x 28像素的适当矩阵设置张量？我想保存有关图像的2D结构的信息。
浏览 11提问于2017-06-20得票数 0
回答已采纳
有没有人尝试过在TensorFlow中使用稀疏张量进行文本分析？一切都准备好了，我设法向tf.Session中的feed_dict提供了一个带有numpy数组的Softmax层，但我无法向字典提供SparseTensorValues。
我还没有找到关于使用稀疏矩阵来训练带有张量流的模型(例如softmax )的文档，这很奇怪，因为类SparseTensor和SparseTensorValues或TensorFlow.sparse_to_dense方法已经准备好了，但是没有关于如何在session.run(fetches,feed_dict=None)方法中提供feed_dict值字典的文档。
浏览 0提问于2015-11-25得票数 5
Tensorflow如何处理tf.placeholder形状中的None？是否为每次运行创建具有不同大小输入的新图？因此，在训练/测试中是否存在性能损失？
x = tf.placeholder(tf.float32, shape=[None, None, None, None])
lten = list of various shapes of rank 4 tensors.
for ten in lten:
feed_dict = {x: ten }
y = sess.run(y, feed_dict= feed_dict)
正如您所看到的，在上面的代码中，None的具体值可
浏览 0提问于2018-04-12得票数 0
我试图使用tensorflow.js来预测来自预先训练过的对象检测模型的输出，但是我在model.predict(inputImage)中得到了错误，这是
未知错误:输入张量不匹配，图模型有425个占位符，而有一个输入张量。
我在用
张力流版本- 1.0.1
tensorflow - 2.0.0-dev20190404
Html "“
我正在使用SSD_Mobilenet_V2模型并从'‘下载它
我使用这个命令将tf模型转换为web格式。
tensorflowjs_converter --input_format tf_saved_model ./sav
浏览 3提问于2019-04-08得票数 0
我正在尝试用tensorflow后端在keras中训练一个预先训练过的inceptionv3模型。
我有一个训练数据集，大小为10,000张图片(299,299张)(它们是灰度)。我将其转换为tensorflow的输入形状为(10000,299,299,1)。当我试图拟合inceptionv3模型时，我得到了一个错误
ValueError:检查输入时出错:期望input_1具有形状(无，3)，但得到了形状数组(10000,2999,299，1)
我尝试更改张量的输入形状，使用
input_tensor = Input(shape=(299,299,1))
base_model = In
浏览 1提问于2017-06-30得票数 1
回答已采纳
2回答
我正试着在ios上通过一个预先训练好的模型运行一个样本。session->Run()接受我理解的张量作为输入。我已经初始化了一个张量，但是我如何设置它的值呢？我没有太多使用C++的经验。
我已经成功地创建了一个测试模型，它接受形状为{1，1，10}的3维张量。
我从Tensorflow的简单示例中提取了以下代码行来创建输入张量。
tensorflow::Tensor input_tensor(tensorflow::DT_FLOAT, tensorflow::TensorShape({1,1,10}));
从这里开始，我不知道如何设置input_tensor的数据。我想将张量设置为{.
浏览 7提问于2016-08-10得票数 5
1回答
我跟随，成功地训练了一个模型(在CloudML上)。我的代码也使预测离线，但现在我尝试使用Cloud来进行预测，并出现了一些问题。
为了部署我的模型，我遵循了。现在，我有了一个通过apache_beam.io.WriteToTFRecord生成apache_beam.io.WriteToTFRecord的代码，我希望对这些TFRecords进行预测。为此，我正在跟踪，我的命令如下所示：
gcloud ml-engine jobs submit prediction $JOB_ID --model $MODEL --input-paths gs://"$FILE_INPUT".g
浏览 0提问于2018-09-12得票数 1
回答已采纳
1回答
我正在使用TensorFlow中的三维点云数据训练模型。我的批次大小是64，所以TensorFlow希望收到64批次的3D点，如：(64,1024,3)。当我运行训练代码时： feed_dict = {ops['points_pl']: augmented_data,
ops['labels_pl']: current_label[start_idx:end_idx],
ops['w_pl']: gmm.weights_,
浏览 21提问于2019-01-29得票数 0
我试图在Tensorflow中构建一个CNN模型，其中一个批内的所有输入都是相同形状的，但在批间输入在维度1上有所不同(即小批大小相同，而小型批处理形状不同)。
为了使这更清楚，我有数据(Nx23x1)的各种值N，我首先按升序排序。在每批(50个样本)I零垫每一个样本，使每个N_i等于最大N在其小批。现在我已经为批处理输入定义了Tensorflow占位符：
input = tf.placeholder(tf.float32, shape=(batch_size, None, IMAGE_WIDTH, NUM_CHANNELS))
我在输入占位符中使用“None”，因为在批处理之间，这个值是不同
浏览 4提问于2017-04-28得票数 1
回答已采纳
这可能是微不足道的。我有一个模型，它采用一些去排队的张量X；
X = tf.Tensor(...)
yPred = model(X,...)
现在，我想给另一个张量Z，有时；
Z = tf.placeholder(...)
yPredZ = model(Z,...)
在不重新定义子图的情况下，我如何做到这一点？
浏览 2提问于2017-01-24得票数 0
尽管这里有很多问题，所以提出了重用经过训练的tensorflow模型的问题，但使用最主流的模型之一微调自定义数据集来预测单个图像的概率仍然是一个挑战。
在对这个主题做了一些研究之后(最类似的线程被确定为)，我可以得出结论，冻结某个经过训练的模型的graph.pb文件就像有一个圣杯，因为您不需要重建图、选择要恢复的张量或其他什么--您只需调用tf.import_graph_def并通过sess.graph.get_tensor_by_name获取所需的输出层。
但问题是，在tensorflow (例如classify_image.py)提供的示例中，诸如冻结图这样的输入点和输出点(如Decode
浏览 2提问于2016-11-05得票数 4
在Tensorflow上工作，第一步是构建一个数据图并使用会话来运行它。同时，在我实习期间，比如。它首先定义了损失函数和优化器，其代码如下(在此之前定义了MLP模型)：
cross_entropy = tf.reduce_mean(-tf.reduce_sum(y_ * tf.log(y), reduction_indices=[1])) #define cross entropy error function
loss = tf.reduce_mean(cross_entropy, name='xentropy_mean') #define loss
optimizer
浏览 5提问于2016-10-03得票数 0
我正在训练一个模型，特征形状是3751,4，我想使用Tensorflow中内置的重塑和层密度函数来使输出标签具有形状1,6。
训练集和测试集非常相似，唯一的区别是测试数据集的批次少于训练集。
现在，我的模型中有两个隐藏层，它们的作用类似于：
input_layer = tf.reshape(features["x"], [1,-1])
first_hidden_layer = tf.layers.dense(input_layer, 4, activation=tf.nn.relu)
second_hidden_layer = tf.layers.dense(first_hid
浏览 1提问于2018-05-24得票数 0
我在试着理解tensorflow的占位符。具体而言，在下面的示例中，shape=[None,是什么意思。
X = tf.placeholder(tf.float32, shape=[None, 128, 128, 3], name="X")
回答将其描述为：
您可以将TensorFlow中的占位符看作是一个操作，该操作指定将输入到graph.placeholder X中的形状和数据类型，定义float32类型的未指定数量的形状行(128、128、3)将被输入到图形中。占位符不保持状态，只定义要流到图形中的数据的类型和形状。
当它说“未指定的行数”时，是否真的指形状为12
浏览 0提问于2018-07-16得票数 16
我正在尝试用tensorflow.js构建和训练LSTM网络，
我的数据集如下
dataSet = [
{
phrase: "i am returning this product because it is too yellow for me",
output: "color"
},
{
phrase: "i am shipping back product because it is broken when i received it",
output: "broken"
},
{
p
浏览 0提问于2018-10-02得票数 0
根据，我使用云机器学习引擎训练了一个对象检测器，现在我想使用云机器学习引擎进行预测。
这些指令包括将Tensorflow图导出为output_inference_graph.pb的代码，但不包括如何将protobuf格式(pb)转换为gcloud预测所需的SavedModel格式。
我回顾了关于如何转换“Tensorflow for Poets”图像分类模型和如何转换“Tensorflow For Poets 2”图像分类模型的，但是对于博客文章中描述的对象检测器图(pb)，两者都不起作用。
如何转换该物体探测器图(pb)，以便它可以使用或gcloud引擎预测，请？
浏览 2提问于2017-06-19得票数 5
回答已采纳
4回答
我想训练一个平面曲线的网络，我用形状(L,2)表示的numpy数组表示。数字2代表x，y坐标，L是数据集中变化的点数。我把x，y当作两个不同的“通道”。
我实现了一个函数next_batch(batch_size)，它提供下一个批处理为一个带有(batch_size,)形状的一维numpy数组，其中包含具有shape的2D数组的元素：(L,2)。这些是我的曲线，正如前面提到的，L在元素之间是不同的。(我不想限制在曲线上的固定点数)。
我的问题：
如何操作next_batch()的输出，以便能够使用类似于Tensorflow教程中出现的方案：向网络提供输入曲线
也就是说，使用feed_dict机
浏览 3提问于2017-11-24得票数 8
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
即时通信 IM
对象存储活动推荐
腾讯云开发者
