matmul:输入操作数1的核心维度0不匹配，gufunc签名为(n?，k)，(k，m?)->(n?，m?)(大小20与10不同)
matmul是矩阵乘法的一种运算操作。它用于计算两个矩阵的乘积，并且要求输入矩阵的维度满足特定的条件。
具体来说，matmul操作要求输入操作数1的核心维度0与操作数2的核心维度1相匹配。核心维度是指在进行矩阵乘法运算时，两个矩阵相乘的维度。
在这个具体的例子中，matmul操作的gufunc签名为(n?, k), (k, m?) -> (n?, m?)，其中问号表示该维度可以是任意大小。这意味着输入操作数1的维度为(n, k)，操作数2的维度为(k, m)，输出结果的维度为(n, m)。
然而，根据给定的错误信息，我们可以看到输入操作数1的大小为20，而操作数2的大小为10，这两个大小不匹配，导致了错误的发生。
为了解决这个问题，我们需要确保输入操作数1的核心维度0与操作数2的核心维度1相匹配。可以通过调整输入矩阵的大小或重新选择矩阵进行乘法运算来解决这个错误。
腾讯云提供了一系列与矩阵计算相关的产品和服务，例如腾讯云的AI计算引擎、腾讯云的GPU云服务器等，可以帮助开发者进行高性能的矩阵计算操作。具体产品和服务的介绍可以参考腾讯云官方网站的相关页面。
相关·内容
例如：
np.arange(3)@np.arange(2)
# Traceback (most recent call last):
# File "<stdin>", line 1, in <module>
# ValueError: matmul: Input operand 1 has a mismatch in its core dimension 0, with gufunc signature (n?,k),(k,m?)->(n?,m?) (size 2 is different from 3)
请注意:我知道什么是错误和错误信息的含
浏览 4提问于2020-04-09得票数 1
回答已采纳
我想用下面的方法将一个5x1矩阵乘以1x1矩阵。每次它都会给出以下错误 ValueError: matmul: Input operand 1 has a mismatch in its core dimension 0, with gufunc signature (n?,k),(k,m?)->(n?,m?) 这是我正在尝试的方法。请在这里帮助我调试具体的实例 >>> m = np.ones(5)
>>> x = np.ones(1)
>>> m.shape
(5,)
>>> x.shape
(1,)
>&
浏览 1288提问于2020-07-03得票数 0
1回答
在MATLAB中，我使用
repmat(A-B,100,1).*rand(100,length(B))
这里，A和B是1*19大小的矩阵.
为了在Python中执行相同的代码，我使用以下代码-
np.matmul(np.matlib.repmat(A - B, 100, 1), np.matlib.rand(100, len(B)))
在运行代码时，我得到以下错误-
ValueError: matmul:
Input operand 1 has a mismatch in its core dimension 0,
with gufunc signature (n?,k),(k,m
浏览 8提问于2022-04-22得票数 1
回答已采纳
我一直试图乘两个numpy数组，它们具有维度(8,900)和(900，3，3，3，3)，并期望结果维度类似于(8,3,3,3)，但是下面会出现一个错误。我的想法怎么了？
ValueError: matmul:输入操作数1的核心维数0不匹配，具有gufunc签名(n，k)，(k，m?)->(n?，m?)(3号与900号不同)
浏览 1提问于2020-11-22得票数 0
回答已采纳
我想把gram schmidt_process，matlab的算法改成python，但是我得到了一个错误，比如 def qr_mgs(A):
m, n = A.shape
Q = A
R = np.zeros((n, n))
for i in range(n - 1):
R[i, i] = np.linalg.norm(Q[:, i])
Q[:, i] = Q[:, i] / R[i, i]
R[i, i+1:n] = np.matmul(np.transpose(Q[:, i]), Q[:, i+1:n])
浏览 4提问于2020-10-16得票数 0
回答已采纳
我正在尝试建立线性回归模型。请帮帮忙 database = pd.read_csv('Salary_Data.csv')
x = database.iloc[:,0].values
y = database.iloc[:,1].values
x_train = x_train.reshape(1,-1)
y_train = y_train.reshape(1,-1)
x_test = x_test.reshape(1,-1)
y_test = y_test.reshape(1,-1)
from sklearn.linear_model import LinearRegress
浏览 17提问于2020-04-01得票数 0
2回答
我试着用滑雪板做多元线性回归。
features_2 = ['chronic_disease_binary', 'outcome']
X = df.loc[:, features_2].values
Y = df.loc[:, ['age']].values
# X = pd.get_dummies(X,drop_first=True)
#
X_train_lm, X_test_lm, y_train_lm, y_test_lm = create_dataset_test(X, Y)
X_train_lm = X_train_lm.reshap
浏览 2提问于2020-05-27得票数 1
我已经使用matmul编写了代码，但我得到了以下错误： "ValueError: matmul: Input operand 1 has a mismatch in its core dimension 0, with gufunc signature (n?,k),(k,m?)->(n?,m?) (size 1 is different from 3)" 代码： R = [[0.40348195], [0.38658295], [0.82931052]]
V = [0.33452744, 0.33823673, 0.32723583]
p
浏览 957提问于2019-12-13得票数 11
回答已采纳
1回答
我知道如何对2D病例进行SVD重建，
import numpy as np
a = np.random.rand(20, 20)
u, s, vh = np.linalg.svd(a)
b = u * s @ vh
assert np.allclose(a, b)
但我不明白如何对三维情形(特别是(k，k，n)矩阵，其中n是三维)进行SVD重建。
ValueError Traceback (most recent call last)
<ipython-input-131-40a909c464ae> in <mod
浏览 13提问于2022-04-12得票数 0
回答已采纳
我刚刚开始学习Python/NumPy。我想写一个函数，它将应用一个具有2个输入和1个输出的操作，以及一个给定的权重矩阵，即两个形状为(2,1)的NumPy数组，并且应该使用tanh返回形状为(1,1)的NumPy数组。这是我想出来的： import numpy as np
def test_neural(inputs,weights):
result=np.matmul(inputs,weights)
print(result)
z = np.tanh(result)
return (z)
x = np.array([[1],[1]])
y = np.arr
浏览 40提问于2020-09-14得票数 0
回答已采纳
2回答
如果我有一组值：
numbers = np.array([1, 2, 4, 5])
和一个向量：
vector = np.array([1, 0, 1])
如何将向量乘以值数组以获得以下结果：
vector_array = np.array([[1, 0, 1], [2, 0, 2], [4, 0, 4], [5, 0, 5]])
我尝试使用matmul执行以下操作：
vector_array = vector[..., None]@numbers
以及：
vector_array = vector.T@numbers
我希望得到列向量，然后我可以转置，然而，我得到了这个输出：
备选案文1：
浏览 17提问于2022-02-21得票数 0
回答已采纳
1回答
Python中的SVD图像重建
、、、、
我正在尝试对这个图像进行奇异值分解： 📷 取前10个值。我有这样的代码： from PIL import Image
import numpy as np
img = Image.open('bee.jpg')
img = np.mean(img, 2)
U,s,V = np.linalg.svd(img)
recon_img = U @ s[1:10] @ V 但是当我运行它时，它抛出了这个错误： ValueError: matmul: Input operand 1 has a mismatch in its core dimension 0, with guf
浏览 10提问于2020-07-10得票数 1
回答已采纳
我正在解决一个光度立体声问题，在其中我有"n“个光源的三个通道(红色，绿色，蓝色)。因此，光阵列是形状nx3：lights.shape = nx3 i有对应于每个照明条件的图像。图像尺寸为hxw (高度x宽)，images.shape = nxhxw。
我想要将图像中的每个像素乘以一个3xn形状的矩阵，并得到另一个3xhxw形状的数组，这将是图像上每个像素的法向量。
形状：
图像：(n_ims，h，w)灯光：(n_ims，3)
S = lights
S_pinv = np.linalg.inv(S.T@S)@S.T # pinv is pseudo inverse, S_pinv.
浏览 5提问于2019-10-28得票数 2
回答已采纳
错误：ValueError: matmul: Input operand 1 has a mismatch in its core dimension 0, with gufunc signature (n?,k),(k,m?)->(n?,m?) (size 1 is different from 2) 我正在使用csv数据帧进行线性回归。在重塑和拟合x和y值之后，我遇到了这个错误，突出显示了model.predict部分。 我的代码： import matplotlib.pyplot as plt
import numpy as np
import pandas as pd
from
浏览 87提问于2021-04-26得票数 2
回答已采纳
topology = [p, 4, 8, 16, 8, 4, 1]
neural_net = create_nn(topology, sigm)
l2_cost = (lambda Yp, Yr: np.mean((Yp - Yr) ** 2),
lambda Yp, Yr: (Yp- Yr))
def train(neural_net, X, Y, l2_cost, lr=0.5):
out = [(None, X)]
#Foward pass
for l, layer in enumerate(neural_net):
浏览 3提问于2022-08-16得票数 1
2回答
在使用多个训练数据创建的线性回归中，我只能使用一个变量进行预测。
一种可能的场景结果如下：
import numpy as np
from sklearn.linear_model import LinearRegression
x = [[0, 1], [5, 1], [15, 2], [25, 5], [35, 11], [45, 15], [55, 34], [60, 35]]
y = [4, 5, 20, 14, 32, 22, 38, 43]
x, y = np.array(x), np.array(y)
model = LinearRegression().fit(x, y)
浏览 0提问于2020-10-18得票数 1
1回答
我在尝试使用枕稀疏矩阵(type:scipy.sparse.csr.csr_matrix)和numpy数组(type:numpy.ndarray)进行乘法时遇到了问题。
为了证明这一点，这里有一个小实验。
1.首先创建矩阵
row = [0, 1, 2]
col = [0, 0, 1]
value = [1, 2, 3]
x = csr_matrix((value, (row, col)), shape=[3, 3])
和
w = np.random.normal(size=(3,2))
2.然后使用np.matmul() 进行乘法并得到错误。
np.matmul(x,w)
ValueErro
浏览 37提问于2022-05-30得票数 1
我正在创建一个具有以下维度的三层图像识别神经网络: 400个特征，40个节点，40个节点，10个目标(从数字0到9的图像)，因此这些是我的权重(θ)： theta1 = np.random.uniform(low=0.00001, high=0.0001, size=(40,401))
theta2 = np.random.uniform(low=0.00001, high=0.0001, size=(40,41))
theta3 = np.random.uniform(low=0.00001, high=0.0001, size=(10,41)) 我正在关注吴恩达的approach。
浏览 7提问于2021-07-23得票数 0
我认为当涉及到矩阵-向量乘法时，@运算符与函数np.dot和np.matmul都是3个等价的。当矩阵是np.ndarray时，它们给出相同的结果。 import numpy as np
M = np.ones((2, 2))
a = np.arange(2)
M @ a
Out[11]: array([1., 1.])
np.dot(M, a)
Out[12]: array([1., 1.])
np.matmul(M, a)
Out[13]: array([1., 1.]) 但是，它们的行为与scipy的LinearOperator接口不同 from scipy.sparse.linalg
浏览 29提问于2021-05-07得票数 1
variables = df.iloc[:,:13]
results = df1.iloc[:,14:]
regression = linear_model.LinearRegression()
regression.fit(variables,results)
print(variables.shape,results.shape)
input_values = [2,2]
prediction = regression.predict([input_values])
prediction = [round(x,2) for x in prediction[0]]
print(predict
浏览 2提问于2021-07-14得票数 0
我试图建立线性回归模型来预测列表中的下一个数字。因此，它创建一个数组，将60个值存储到x_train，下一个存储到y_train。然后将一个向上存储的60个值移动到x_train，另一个移动到y_train。这会重复，直到它完成了80%的数据集。fit函数工作得很好，但是当我使用.predict()函数时，它从dataset的60x值中得到一个新列表，它返回这个错误：ValueError: matmul: Input operand 1 has a mismatch in its core dimension 0, with gufunc signature (n?,k),(k,m?)->
浏览 7提问于2020-11-27得票数 1
回答已采纳
我编写了这个代码--使用了来自kaggle的住房数据：
X = df['RM'].values.reshape(-1,1)
y = df['MEDV'].values
from sklearn.linear_model import RANSACRegressor
ransac = RANSACRegressor()
ransac.fit(X,y)
inlier_mask = ransac.inlier_mask_
outlier_mask = np.logical_not(inlier_mask)
np.arange(3,10,1)
line_X = np.
浏览 3提问于2020-08-23得票数 0
我需要执行一个乘法，以便从我的特征i，x，y，z，n中得到一个回归值，如下所示：
# use only one sample
feats = np.array([i, x, y, z, n]).reshape(1, -1)
# scale
scaler = StandardScaler()
# fit
feat_scaled = scaler.fit_transform(feats)
# multiply and get regressed value --> 'reg' is regression object
val = feat_scaled @ reg.co
浏览 0提问于2021-10-21得票数 0
1回答
我想要将向量相乘以创建一个n x m矩阵
from numpy import*
X = [0,1,2,3,4]
Bign = 4
Y = ones(Bign) #[1,1,1,1]
Z= X @ Y
print(Z) #[[0,0,0,0],
[1,1,1,1],
[2,2,2,2],
[3,3,3,3],
[4,4,4,4]]
但是我得到了这个错误，我不知道该怎么做
*ValueError: matmul: Input operand 1 has a mismatch in its core dim
浏览 0提问于2021-02-23得票数 0
2回答
我试图从零开始在Python中实现一个梯度下降函数，这是我在GNU Octave中实现和工作的。不幸的是我被困住了。我摆弄了它一段时间，查看了NumPy文档，但到目前为止没有任何进展。我知道像scikit这样的库--学习，但是我的目的是从零开始学习编写这样的函数。也许我走错路了。下面您将找到重现错误所需的所有代码。提前谢谢你的帮助。
实际结果：测试失败与错误-> "ValueError: matmul:输入操作数0没有足够的维度(有0，具有签名的gufunc核(n，k)，(k，m?)->(n?，m?)需要1)“
预期结果：和值为5.2148、-0.5733的数组
函数gra
浏览 5提问于2021-01-01得票数 0
1回答
我正在尝试优化一个配置X(布尔值)，这样配置上的总价格: base_price +折扣是最小的，但是问题公式给出了一个Matmul错误，因为x是一个cvxpy变量，因此即使它是用正确的长度定义的，也不符合块形状。 n = len(Configuration)
x = cp.Variable(n, boolean=True)
problem = cp.Problem(cp.Minimize(base_price + price@(price_rules_A@x <= price_rules_B)), [
config_rules_A@x <= config_rule
浏览 27提问于2019-09-10得票数 1
回答已采纳
1回答
我一直在尝试为矩阵创建一个类，这就是我已经做到的： import numpy as np
import random
class matrix():
def __init__(self, rows, cols):
self.rows = rows
self.cols = cols
self.matrix = np.array([[0 for x in range(self.cols)] for y in range(self.rows)])
def multiply(self, a):
self.m
浏览 114提问于2019-12-21得票数 0
回答已采纳
在学习完教程后，我正在尝试学习tensorflow，但我不想使用mnist数据库，所以我可以学习python中的数据库管理(我是新手，从c++/java到它是一个艰难的学习曲线)。
所以，这是我的代码。我尝试过打印形状、值和所有类型的东西，但似乎都不起作用。注意:如果x的形状为0,100，权重为100，0，matmul的误差就会消失，但结果的形状是0,0，并且不能添加到偏差中。我100%确定这是一个新手错误，但我将感谢您的任何帮助。提前谢谢。
import tensorflow as tf
import pandas as pd
data = pd.read_csv('trainin
浏览 0提问于2018-05-04得票数 0
我用滑雪板解决波士顿房价的线性回归问题。在此过程中发生了这样的错误：
ValueError: matmul:输入操作数1的核心维数0不匹配，具有gufunc签名(n，k)，(k，m?)->(n?，m?)(尺码13与1不同)
代码：
import numpy as np
import pandas as pd
from sklearn.datasets import load_boston
from sklearn.linear_model import LinearRegression
X = boston.data
y = boston.data
dfX = pd.DataFr
浏览 2提问于2020-09-25得票数 2
回答已采纳
1回答
我如何阻止python假设我想要点积的标量结果？
我有两个矩阵的列，V=v1，v2，v3 .D=d1，d2，..。长度分别为M和N。我需要下面的矩阵，它可以通过一列一行的矩阵乘法来生成。
v1_d1，v1_d2，v1*d3，
v2_d1，v2_d2，
v3*d1，
。。。
这个计算将至少完成数十万次，所以我不想使用for-循环。当我尝试用numpy来做这件事时，它假设我希望更常见的点积(1xM，Nx1)导致一个标量(如果是M=N)或错误，而不是我想要的MxN矩阵的(Mx1，1xN)。我尝试过np.dot和np.matmul，在每种情况下，它似乎都忽略了np.transpose。
在下面的文章中
浏览 12提问于2021-12-29得票数 0
我试图在python中实现Cour血清分配，同时为logistic回归做Scipy优化。然而，我得到了下面的错误。
有人能帮忙吗！
注：成本，梯度函数运行良好。
#Sigmoid function
def sigmoid(z):
h_of_z = np.zeros([z.shape[0]])
h_of_z = np.divide(1,(1+(np.exp(-z))))
return h_of_z
def cost(x,y,theta):
m = y.shape[0]
h_of_x = sigmoid(np.matmul(x,theta))
t
浏览 2提问于2019-10-19得票数 0
1回答
多元线性回归ValueError
、、、、
我一直在尝试使用我的线性回归模型来预测某个目的地的机票价格，然而，我总是得到这个错误： ValueError: matmul: Input operand 1 has a mismatch in its core dimension 0, with gufunc signature (n?,k),(k,m?)->(n?,m?) (size 3 is different from 1) 我的代码： df = pd.read_csv("data.csv")
df.dropna(inplace=True)
x = df[["Distances","Fl
浏览 21提问于2020-07-05得票数 0
回答已采纳
我是Python的新手，正在寻找帮助，以便在一段时间内将2个数据帧相乘。任何帮助理解错误的人都将不胜感激。 First DataFrame (cov) Date NoDur Durbl Manuf
2018-12-27 NoDur 0.000109 0.000112 0.000118
Durbl 0.000112 0.000339 0.00023
浏览 13提问于2021-04-14得票数 2
回答已采纳
1回答
我尝试使用Python来模拟LTI系统。结构为xDot = Ax。我将系统动力学定义为一个函数，然后使用solve_ivp调用它。调用函数本身可以工作，但是模拟系统会导致以下错误
ValueError: matmul: Input operand 1 does not have enough dimensions (has 0, gufunc core with signature (n?,k),(k,m?)->(n?,m?) requires 1)
对于直线与矩阵乘法在系统动力学中的定义。下面是密码。
import numpy as np
from scipy import integ
浏览 4提问于2021-12-02得票数 0
回答已采纳
1回答
我想在数学函数上使用numpy广播特性，它涉及线性代数(不含分母部分的二元高斯分布)。我的代码的最小的、可复制的示例如下：
我有以下功能
import numpy as np
def gaussian(x):
mu = np.array([[2],
[2]])
sigma = np.array([[10, 0],
[0, 10]])
xm = x - mu
result = np.exp((-1/2) * xm.T @ np.linalg.inv(sigma) @ xm)
浏览 4提问于2022-06-23得票数 0
回答已采纳
4回答
我的目标是找到与单个点最接近的段(在一个段数组中)。获得二维坐标数组之间的点积可以工作，但是使用3D坐标会产生以下错误：
*ValueError: matmul: Input operand 1 has a mismatch in its core dimension 0, with gufunc signature (n?,k),(k,m?)->(n?,m?) (size 2 is different from 3)*
A = np.array([[1,1,1],[2,2,2]])
B = np.array([[3,3,3], [4,4,4]])
dp = np.dot(A,B)
浏览 2提问于2020-08-07得票数 2
回答已采纳
我有个错误，
ValueError: Dimensions must be equal, but are 64 and 4 for 'MatMul' (op: 'MatMul') with input shapes: [?,64], [4,?].
我写了密码，
from keras import backend as K
print(input_encoded_m)
print(question_encoded)
match = K.dot(input_encoded_m, question_encoded)
打印(Input_encoded_m)显示Tens
浏览 1提问于2018-08-11得票数 0
回答已采纳
1回答
我正在使用线性回归(SKlearn)，当我预测一个值时，我得到了一个错误。我不确定要做什么，并尝试切换输入预测值的格式，但到目前为止，我还没有看到任何结果。 下面是我的代码： import pandas as pd
import numpy as np
from sklearn.linear_model import LinearRegression
data = pd.read_csv("data.csv")
print(data.head())
X = data['Machine Age (Months)'].values
y = data['
浏览 23提问于2020-03-28得票数 2
回答已采纳
它成功地编译了。但是在获取矩阵的值时，它就停止工作了。
#include <stdio.h>
void getmat(int mat[100][100],int m,int n);
void matmul(int mat1[100][100],int mat2[100][100],int m1,int n1,int m2,int
n2,int matmul[100][100]);
void printmat(int matmul[100][100],int m,int n);
int main(void)
{
int m1,n1,m2,n2;
printf(&
浏览 2提问于2017-04-24得票数 0
回答已采纳
我的代码如下所示，执行jacobi分解来求解矩阵
def iterative_solver(M, b, Vinit, kmax, epsmax):
"""
Provides an approximation of M^{-1}b using the proposed iterative method
----------
parameters:
M : matrix in the equation MV = b to solve (numpy array of size N,N)
b : vect
浏览 6提问于2022-03-03得票数 -2
我想使用 ()作为节点数量变化的输入。作者提供了示例代码(请参阅)。下面是我认为代码的关键部分
def chebyshev5(self, x, L, Fout, K):
N, M, Fin = x.get_shape()
N, M, Fin = int(N), int(M), int(Fin)
# Rescale Laplacian and store as a TF sparse tensor. Copy to not modify the shared L.
L = scipy.sparse.csr_matrix(L)
L = graph.resca
浏览 0提问于2017-10-10得票数 0
我将N，2x4数组存储在(2x4xN)数组J中。我试图计算每个N，2x4数组的伪逆，并将伪逆保存到(Nx4x2)数组J_pinv中。
我现在所做的是：
J_pinvs = np.zeros((N, 4, 2))
for i in range(N):
J_pinvs[i, :, :] = np.transpose(J[:, :, i]) @ np.linalg.inv(J[:, :, i] @ J[:, :, i].transpose())
这是可行的，但我想加快计算时间，因为这将运行在一层神经网络，所以我想使它尽可能快。
我试过的是：
J_pinvs = np.zeros((N, 4,
浏览 2提问于2020-03-30得票数 1
回答已采纳
1回答
Numpy中似矩阵计算的并行化
、、、、
输入形状X (n,n,m,m)，
输出形状为Y的(n,n)，其中Y[i,j]=∑_{k=1}^{n}{||X[i,j]-X[i,k]*X[k,j]||}，用*表示逐点乘法.
愚蠢的for循环版本类似于：
X = np.random.randint(1,10,size=(5,5,3,3))
n, _, m, _ = X.shape
Y = np.zeros((n, n))
for i in range(n):
for j in range(n):
cnt = 0.0
X_ij = X[i, j] # in shape m x m
for k
浏览 0提问于2020-05-19得票数 3
回答已采纳
我用熊猫来加载txt文件中的数据。有人能告诉我我的密码出了什么问题吗？
import sklearn.linear_model
wineQuality = pd.read_csv('winequality-all.txt', sep=",")
X = wineQuality.loc[:,("fixed.acidity","volatile.acidity","citric.acid","residual.sugar","chlorides","free.sulfur.di
浏览 3提问于2020-11-28得票数 0
回答已采纳
在这方面，我对python和编程很陌生。本文尝试用有限元法求解一类特殊的波动方程，并在python中进行了数值模拟。我有一些错误，我不明白，我需要帮助。下面是错误，随后是代码的一部分。
ValueError Traceback (most recent call last)
<ipython-input-138-b33b0055e38e> in <module>
6 # Finite Element Method
7 #unew = (dt**2) * Minv @ (
浏览 0提问于2019-10-23得票数 1
我一直在尝试使用sklearn对一些虚拟数据执行简单的多元线性回归。我最初传递了sklearn.linear_model.LinearRegression.fit numpy数组，并不断收到以下错误： ValueError: matmul:输入操作数1在其核心维度0中不匹配，gufunc签名为(n?，k)，(k，m?)->(n?，m?)(大小%2与%1不同) 我认为这是由于我的数组的转置或其他方面的错误，所以我拿出了一个tutorial that used pandas dataframes，并以同样的方式列出了我的代码： import matplotlib.pyplot as plt
浏览 32提问于2019-12-06得票数 1
回答已采纳
1回答
使用Python中的Tensorflow，我想为for -循环的绑定使用占位符的形状。然而，当我尝试这样做时，我得到了一个错误：‘张量’对象不能被解释为一个整数。此形状不是数据中的常量值，因此我们不能使用tf.constant。我们如何解决这个问题呢？
下面是我们代码的一部分：
def Model(M, v_a, weights, biases, d, N):
c = multilayer_perceptron((tf.slice(M, [0, 0], ([d, 1]))), v_a, weights,
biases)
for i in range(1, N):
c =
浏览 3提问于2018-03-22得票数 1
1回答
我在为一些聚类任务制作合成数据时遇到了困难。
我想要创建200个数据向量x的20维。
为了生成它们，我首先制备了5维团簇m的中心和(20，5)形状的线性变换A，其中所有元素都是由N(0,1)独立产生的。
然后用x_i ~ N(Am_k, I)生成数据向量，其中I是(20，20)形状的单位矩阵。
这是我写的代码，
import numpy as np
A = np.random.normal(0, 1, (20, 5))
m1 = np.random.normal(0, 1, (5,)) # center of clusters
for _ in range(50):
data1.ap
浏览 1提问于2021-09-03得票数 0
回答已采纳
Tensorflow的新特性。如果我想做一些事情，比如
x_pl=tf.placeholder([None,n])
y_pl=tf.placeholder([None,m])
b_0=tf.Variable(tf.zeros(n))
k=tf.Variable)[n,n])
b_1=tf.matmul(b_0,k)
b_2=tf.matmul(b_1,k)
...
b_m=tf.matmul(b_(m-1),k)
y_prd=tf.matmul(x_pl,[b_0,...b_m])
loss=tf.reduce_mean(tf.square(y_prd-y_pl)
做这件事最好的方法是什么？在
浏览 3提问于2017-03-17得票数 0
1回答
我已经对一些数据进行了预处理，准备训练一个多项式朴素贝叶斯分类。训练数据占我数据的80%，测试数据占20%。 训练数据是大小为8452的数组，而测试数据是大小为4231的数组 如果我想看到训练数据的预测，我可以很好地执行以下代码 multiNB = MultinomialNB()
model = multiNB.fit(x_train, y_train)
y_preds = model.predict(x_train) 但是，如果我想预测我的测试，即 y_preds = model.predict(x_test) 我得到以下错误： ValueError: matmul: Input op
浏览 43提问于2020-11-18得票数 0
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
