问题标签 [tensor]

我想导入各种类型的列，如 int、float、string 作为张量。只有第一个 record_defaults 工作，其中所有设置为字符串。

但我得到下面的错误。有没有办法将 tensorflow 与各种类型的占位符一起使用？

csv 文件来自aws。

错误信息

在其API 文档中，它说“计算校正线性”。

它是 Re(ctified) L(inear)... 那么 U 是什么？

我目前正在分解一个 3-D 张量，例如 [user,item,tags]=rating。我在 python 中使用 sktensor 库进行分解。例如。

现在实际返回的函数 hooi 是什么以及如何从中重建张量？？？

我正在尝试使用 Python 和 TensorFlow 创建一个简单的 ANN，而且我还是个新手。问这么基本的东西我觉得有点不好意思，但是我只是在官方文档中没有找到这个，所以我在这里。

我的训练样本是发生在人们身上的事件。不同的事件可能发生在同一个人身上，因此我的训练样本必须具有“人”字段。每个人都有一个整数、自动递增的 ID。

我想，构建训练样本以传递给 NN，我需要将“人”字段表示为一维张量：

• 1 在 person.id 位置
• 0 其他地方（我想这意味着我必须使用tf.zeroes()，对吗？）

问题来了。
我的数据库中的人数可能会经常变化，我真的不想每次添加新人时都重新训练我的网络。所以我认为我不应该创建一维张量来传递数据库中当前的人数。

我想做的是构建一个非固定长度的一维零张量，并将其在 person.id 中的值设置为 1。

可能吗？这是正确的方法吗？提前致谢。

我有一个x_at_i = torch.Tensor(1,i)在 i = 0 到 n 的每次迭代中增长。我想将所有不同大小的张量连接成一个矩阵，并用零填充剩余的单元格。什么是最惯用的方法。例如：

我是机器学习的初学者，我正面临这个问题，请提供简单的示例或内容，以便我能以最好的方式理解。

在我的代码中，我实现了一个名为 my_conv_function() 的函数来替换 tf.nn.conv2d 函数。我的函数需要numpy.narray类型参数，但是在tensorflow中x和y都是张量类型。我怎样才能将它们转换为 numpy.narray 类型？

如何在 for 循环中迭代张量？..

我想对 input_tensor 的每一行进行卷积...但似乎无法在张量中迭代。

目前正在尝试这样：

我尝试基于颜色直方图的 MSE 实现 keras 损失函数。

我收到以下错误：

“/Library/Frameworks/Python.framework/Versions/3.6/lib/python3.6/site-packages/tensorflow/python/framework/constant_op.py”，第 110 行，在 _constant_tensor_conversion_function 返回常量（v，dtype=dtype，名称=名称）

文件“/Library/Frameworks/Python.framework/Versions/3.6/lib/python3.6/site-packages/tensorflow/python/framework/constant_op.py”，第 99 行，常量 tensor_util.make_tensor_proto(value, dtype=dtype ，形状=形状，验证形状=验证形状））

make_tensor_proto 中的文件“/Library/Frameworks/Python.framework/Versions/3.6/lib/python3.6/site-packages/tensorflow/python/framework/tensor_util.py”，第 360 行引发 ValueError（“不支持任何值。 ") ValueError：不支持任何值。

我做错了什么？

我想要一种类型来以类型安全的方式表示多维数组（张量）。所以我可以写例如：zero :: Tensor (5,3,2) Integer 这将表示一个具有 5 个元素的多维数组，每个元素有 3 个元素，每个元素有 2 个元素，其中所有元素都是Integers

您将如何使用类型级编程来定义这种类型？

编辑：

在 Alec 的精彩回答之后，它使用GADTs 实现了这个，

我想知道您是否可以更进一步，并支持 aclass Tensor和张量操作的多种实现以及张量的序列化

这样您就可以拥有例如：

• GPU或CPU使用的实现C
• 纯Haskell实现
• 只打印计算图而不计算任何东西的实现
• 将结果缓存在磁盘上的实现
• 并行或分布式计算
• ETC...

所有类型都安全且易于使用。

我的目的是使用自动微分（ad library）和精确实数算术（exact-real library）在 Haskell 中创建一个非常相似tensor-flow但类型安全且更具可扩展性的库

我认为像这样的函数式语言Haskell比以某种方式萌芽的 python 生态系统更适合这些事情（我认为适合所有事情）。

• Haskell 是纯函数式的，比 python 更适合计算编程
• Haskell 比 python 效率高很多，可以编译成二进制
• Haskell 的懒惰（可以说）消除了优化计算图的需要，并使代码更简单
• Haskell 中更强大的抽象

虽然我看到了潜力，但我对这种类型级编程还不够精通（或不够聪明），所以我不知道如何在 Haskell 中实现这样的东西并让它编译。

这就是我需要你帮助的地方。