问题标签 [tensor]

由于 Theano 的 scan 函数内部检查是否在多个地方使用了相同类型的变量，我收到了一个错误。此函数不允许(N, 1)col TensorType 的 a 与(N, 1)矩阵交换（请参阅下面的错误）。

如何将 TensorType 的张量转换/转换为(N, 1)TensorType ？colmatrix

我正在阅读关于使用 TF 进行深度学习的卷积，源代码在这里Deep learning with Tensorflow。我阅读了卷积层的定义：

虽然我阅读了一些相关文件，但我仍然不明白每个条目的含义

以及以下代码的含义：

你能帮我解决这个基本问题吗？

提前致谢，

这是我的代码：

错误是：

我运行我的代码，然后我初始化了值，但出了点问题，我不知道为什么，以及如何处理它。这是我第二次运行代码，我只是在其中添加了一些东西，但是卷积层并没有改变任何东西。是另一个代码的问题吗？

我希望得到一个 2x3x5 张量，其中每一层都是通过将 mat1 的 3x1 转置行乘以 mat2 的 1x5 行来实现的 3x5 外积。

可以用 numpy matmul 完成吗？

我正在使用带有 LSTMCell 的 dynamic_rnn，它输出了一个包含内部状态的 LSTMStateTuple。在这个对象上调用 reshape （我的错误）会产生一个张量，而不会在图形创建时造成任何错误。通过图表提供输入时，我在运行时也没有收到任何错误。

代码：

这是一个错误（我问，因为它没有在任何地方记录）？什么是重塑张量持有？

我有一个 TensorFlow 占位符，它有 4 个维度，代表一批图像。每个图像为 32 x 32 像素，每个像素有 3 个颜色通道。第一个维度表示图像的数量。

X = tf.placeholder(tf.float32, [None, 32, 32, 3])

对于每张图像，我想采用所有图像像素的 L2 范数。因此，输出应该是一个一维的张量（即每个图像一个值）。（文档）接受一个轴参数，但当我想在轴 1、2 和 3 上取范数时，它只允许我指定最多两个轴取范数。我该怎么做tf.norm()？

How can I add an Eigen's SparseMatrix to an Eigen's Tensor?

The following code (which does not compile) explains what I am trying to do.

是否可以在 TensorFlow 的 Tensorboard 中以对数比例可视化 y 轴？

我的神经网络的第一层有以下权重直方图（分布）：

从图像上看，重量分布似乎几乎没有变化。虽然是真的，但我想查看对数刻度（y 轴）的变化。可能吗？

我想将两个具有不同等级的张量相乘，例如

得到另一个具有这个尺寸的张量。

在张量流中，我必须一直重塑才能获得输出

还有其他直接做的操作吗？

我有 3 个状态（即状态是一个向量，在这个例子中向量长度是 2），我有概率分布（例如 10% 状态 1、60% 状态 2、30% 状态 3）。我想推导出一个新状态，它是概率 * 状态的总和。当然，我也需要考虑批处理。

1> 计算概率分布，我有一批 4 和 3 种可能性，分布定义如下。

2> 3 种可能的状态（和 4 批）。这是一个形状为 [4, 3, 2] 或 [batch, 3 possible state, state values] 的张量

我想获得 [4, 2] 或 [batch, state values] 的张量。在这种情况下，值应该是

或者

我怎么能那样做？谢谢！