问题标签 [tensor]

使用这段代码：

由于数据格式w = tf.Variable(tf.random_normal( [kernel_height, kernel_width, input_channel, output_chhannel], stddev = 0.01 ))，我希望看到这样的矩阵：

但它打印了这个：

我想要的是将我的权重张量值与 0 和 1 的常数张量一一相乘，以得到如下掩码权重：

我使用它的代码：

但似乎它不能正常工作。我感谢您的帮助。

假设c是一个 d 维向量。我想计算以下三阶张量

其中e_i代表i欧几里得空间的第 th 个标准基。有没有一种有效的方法来计算这个？我正在使用以下 for 循环和 Kruskal-tensor使用Sandia National Labs 管理的张量工具箱ktensor来计算它：

我尝试了以下代码

它在tf.matmul.

我想要的只是 alpha[0]*c1 + alpha[1]*c2 + alpha[2]*c3每个样本的线性组合。当批量大小为 1 时，此代码会很好，但如果不是，我该怎么办？

我应该重塑c1,c2,c3吗？

我正在尝试使用该tf.fill()方法创建不同数据类型（float16、float32、float64）的张量，类似于您可以使用numpy.full(). tf.constant() 会是一个合适的替代品吗？或者我应该将我的填充值创建为我希望它们成为的数据类型，然后将其插入内部的值持有者tf.fill()

我正在尝试在 .csv 数据集（5008 列，533 行）上训练模型。我正在使用文本阅读器将数据解析为两个张量，一个保存要在 [example] 上训练的数据，另一个保存正确的标签 [label]：

这部分正在工作，当执行类似的事情时：

我的结果是Test: Tensor("shuffle_batch:0", shape=(10, 5007), dtype=float32)

到目前为止，这对我来说似乎很好。接下来，我创建了一个包含两个隐藏层（分别为 512 和 256 个节点）的简单模型。当我尝试训练模型时，出现问题的地方是：

I've based this approach on this example that uses the MNIST database. However, when I'm executing this, even when I'm just using batch_size = 1, Tensorflow just hangs. If I leave out the .eval() functions that should get the actual data from the tensors, I get the following response:

Now this I can understand, but I don't understand why the program hangs when I do include the .eval() function and I don't know where I could find any information about this issue.

EDIT: I included the most recent version of my entire script here. The program still hangs even though I implemented (as far as I know correctly) the solution that was offered by vijay m

在示例中。数据集中列的变量是手动给出的。但是我的数据集已经将名称作为标题。我想使用它们。如何使用 python 使用张量流获取 .csv 文件的标题名称？

我有一个单位张量列表（长度 = 1）。该列表包含约 20 000 个此类张量。张量有大约 3 000 个 维度，但非常稀疏。只有x (0 < x < 1)维度不是 0。我需要计算所有这些张量之间的余弦相似度。最有效的方法是什么？（这不是 NLP 任务，但我的解决方案看起来类似于word2Vect方法，这就是我添加 NLP 标记的原因。我的张量比word2vec具有更多的维度，并且更稀疏）

我正在尝试实现一个内存增强神经网络，其中内存和读/写/使用权重向量根据它们先前值的组合进行更新。这些权重不同于使用 fit() 函数自动更新的层之间的经典权重矩阵！我的问题如下：如何正确地将这些权重初始化为 keras 张量并在模型中使用它们？我用下面的简化示例更好地解释它。

我的 API 模型类似于：

你可以看到，为了计算 w_w^t，我必须首先定义 w_r^{t-1} 和 w_u^{t-1}。所以，一开始我必须为这些向量提供一个有效的初始化。最好的方法是什么？我想要的初始化是：

但是，类似于#2486 (entron) 中所说的，这些命令不会返回包含所有需要的元数据的 keras 张量，因此会返回以下错误：

AttributeError：“NoneType”对象没有属性“inbound_nodes”

我还考虑在每次迭代中使用旧的 M、w_r 和 w_u 作为进一步的输入，并类似地输入相同的变量来完成循环。但这意味着我必须使用 fit() 函数在线训练仅将目标作为最终输出的模型（模型 1），并在具有所有辅助输出（模型 2）的模型上使用 predict() 函数来获取要在下一次迭代中使用的变量。我还必须使用 get_weights() 和 set_weights() 将模型 1 的权重矩阵传递给模型 2。正如你所看到的，它变得有点混乱而且太慢了。

你对这个问题有什么建议吗？

PS 请不要过多关注上面的 API 模型，因为它是完整模型的简化（几乎毫无意义）版本，我跳过了几个关键步骤。

给定一个 3D 源张量t( batch_size, height, ) 和另一个指示长度的width2D 张量。l我想做类似的事情：

这样rslt[0] = t[:l[0][0], :l[0][1]]， rslt[1] = t[:l[1][0], :l[1][1]]等等。但据我所知，tf.slice不能这样做。你能告诉我如何在 tensorflow 中进行动态切片吗？非常感谢！

我正在尝试在 Tensorflow 中实现 RNN。我正在编写自己的函数，而不是使用 RNN 单元来练习。

问题是序列标记，输入大小是 [32, 48, 900]，其中 32 是批量大小，48 是时间步长，900 是词汇大小，它是一个热编码向量。输出是 [32, 48, 145]，其中前两个维度与输入相同，但最后一个维度是输出词汇量大小（one-hot）。基本上这是一个 NLP 标记问题。

我收到以下错误：

InvalidArgumentError（参见上文的追溯）：logits 和标签必须相同大小：logits_size=[48,145] labels_size=[1536,145]

实际的 labels_size 是 [32, 48, 145] 但它在不受我控制的情况下合并了前两个维度。仅供参考 32 * 48 = 1536

如果我以批量大小 1 运行我的 RNN，它会按预期工作。我不知道如何解决这个问题。我在代码的最后一行遇到了问题。

我粘贴了代码的相关部分：