问题标签 [tensor]

我试图在这里创建一个简单的矩阵，对我批次中的每个样本重复。

这是矩阵：

到目前为止，一切都很好，我有预期的矩阵形状（1,3,3）。现在我希望对批次中的每个样本（比如 60000 个样本）重复它。从 keras文档中，我应该做的就是：

但这会引发以下错误，我不能简单地理解：

到底是怎么回事？？我知道，我可以np.repeat(balanceMatrix,60000,axis=0)先创建 keras 张量，然后再创建 keras 张量，但 keras 选项不应该也能正常工作吗？

用 TFlearn 构建 DNN 后，我想计算网络的准确性。

这是代码：

这是训练部分：

如何计算准确度？另外，我应该改变什么来分类？谢谢

我刚开始学习Tensorflow，在训练数据时遇到了一个问题。我的问题是读取 csv 文件，然后使用 softmax 分类根据学生的学习时间和上课时间来估计学生（A、B 或 C）的成绩。

学生年级

我定义，然后将 csv 文件加载为

之后，我为特征和标签定义张量，如下所示

然后我按照 MNIST 的 Tensorflow 中使用 MNIST 数据训练 softmax 的方法

但我不知道如何定义batch_xs和batch_ys在这个循环中训练

以及如何定义函数来估计三个学生的分数，如果他们的学习和出席时间，例如，[11,7]，[3,4]，[1,0]

你能帮我解决这个问题吗？

提前致谢，

我刚刚研究了softmax回归，我有一个问题真的需要你的帮助。在这里，我从MNIST softmax 回归开始，在这类问题中，它只计算准确率，而没有提及如何预测数据。

但我的问题不同：

我的训练数据表格

我想用给定的输入预测输出

因此，对于我的数据，我定义了以下变量

经过训练，我得到了 W 和 b，但是如果我现在的输入是，我不知道如何定义预测输出的函数

你能帮我弄清楚吗？

非常感谢

I have an input tensor as follow:

and the 'multiple' tensor:

Is it possible to tile a 3D tensor with the first element of a appears once, the second appears 3 times, the last element appears twice?

Tensorflow 0.12

Thank you very much.

我正在尝试使用 NORB 数据集（http://www.cs.nyu.edu/~ylclab/data/norb-v1.0-small/）做一些工作，但我无法从二进制文件中读取它包含数据集的位置。任何机构都可以提供帮助吗？

我试过numpy.fromfile()但它以错误的方式读取文件。

从 TensorFlow 网站教程开始，我正在尝试创建一个非常简单的神经网络来预测基于Adience Benchmark的性别。按照我两次尝试的代码：

这里是训练模型的代码（批量大小为 128，图像已加载并按照本文建议裁剪为 227x227 ）：

第一个模型为每次迭代产生等于零的损失，第二个模型：

第二个模型在一些迭代后发散：

我知道卷积模型比我实现的模型效果更好，但我的直觉是模型 1 和模型 2 的收敛精度不高，而不是这个奇怪的结果。是我的假设错误还是我实现模型或训练步骤的方式存在错误？

完整代码在github上

感谢您的任何建议！

此致

詹卢卡

当我键入时在 python shell 中

脚本中断。它无法加载本机运行时。我正在使用 python 3.5.2。这是错误日志：

有什么建议么？

我有以下形式的数据：

A,B,C,D是我的输入，E,F,G也是我的输出。我使用 TensorFlow 在 Python 中编写了以下代码：

我收到一条错误消息：

ValueError：无法为具有形状(3, 6)的张量'InputData/X:0'提供形状值'(?, 4)'

我猜这是因为我的输入数据有 7 列（0...6），但我希望输入层仅将前四列作为输入，并预测数据中的最后 3 列作为输出。我该如何建模？

使用 时tf.boolean_mask()，会引发值错误。它显示“必须指定掩码尺寸的数量，即使某些尺寸为无。例如 shape=[None] 可以，但 shape=None 不是。

我怀疑当我创建布尔掩码时出现问题，因为当我手动创建布尔掩码时，一切正常。但是，到目前为止，我已经检查了 s 的形状和 dtype，并没有发现任何可疑之处。两者似乎都与我手工创建的布尔蒙版的形状和类型相同。

请查看问题的屏幕截图。 以下内容应允许您在机器上重现错误。你需要 tensorflow、numpy 和 scipy。

这是生成 s 的代码。s 是来自行列式点过程的样本（对于数学感兴趣的人）。请注意，我使用 tf.py_func 来包装这个 python 函数：

如果我打印 s 并且tf.reshape(s)是

如果我打印 VT 并且tf.reshape(VT)是

非常感谢任何帮助。