问题标签 [tensor]

如何使用字典将包含 N int 的等级 1 的张量修改为包含大小为 M 的 N 向量的等级 2 的张量

在 python 中类似于：

但我不能迭代张量（除了while循环，但我认为这不是最佳解决方案）

在 TensorFlow 中，我可以通过两种方式初始化变量：

1. global_variable_intializer()在声明变量之前调用：

   /li>

2. global_variable_intializer()变量声明后调用：

   /li>

两者有什么区别？初始化变量的最佳方法是什么？

编辑

这是我正在运行的实际程序：

我想乘以张量形式表示的堆叠矩阵。

其中 2 和 5 是批量大小，

tensor2.shape == [5,6,8]

其中 5 是批量大小。

在numpy中，tensor2自动广播到[2,5,7,6]张量

所以我可以轻松使用np.matmul(tensor,tensor2)

但在张量流中，会发生错误。

我试过tf.expand_dims(tensor2,0)了，但这也不起作用

有没有办法在张量流中广播张量？

也许我对什么是“内部”和“外部”张量维度感到困惑，但文档让tf.matmul我感到困惑：

输入必须是矩阵（或秩 > 2 的张量，表示矩阵批次），具有匹配的内部维度，可能在转置之后。

不是 R 秩参数需要匹配（或没有）R-2 外部维度，并且（如在正常矩阵乘法中）第一个参数的 Rth 内部维度必须匹配 R-1st 维度吗？第二个。也就是说，在

外部尺寸a, ..., z必须相同a', ..., z'（或不存在），x并且x'必须匹配（而p和q可以是任何东西）。

或者换一种说法，文档不应该说：

在任何转置之后，输入必须是秩 ≥ 2 的张量，其中内部 2 维指定有效的矩阵乘法参数，并且任何进一步的外部维度匹配。

标题说明了一切。我想将 a 转换PyTorch autograd.Variable为其等效numpy数组。在他们的官方文档中，他们提倡使用a.numpy()来获取等效numpy数组（for PyTorch tensor）。但这给了我以下错误：

回溯（最后一次调用）：文件“stdin”，第 1 行，模块文件“/home/bishwajit/anaconda3/lib/python3.6/site-packages/torch/autograd/variable.py”，第 63 行，在getattr raise AttributeError(name) AttributeError: numpy

有什么办法可以规避这个吗？

我正在尝试使用 MXNetR 构建前馈神经网络。我的输入是一个有 6380 行和 180 列的数据框。我的训练和测试输出是一维向量，每个向量有 319 个元素。

我运行模型时将批大小设置为 1，输出层的神经元数量设置为 319。因此，对于每个批，我希望得到一个包含 319 个元素的向量。我的目标是最小化我的损失函数，这是我的预测输出向量和实际输出向量之间的相关性。

下面是我的代码：

这是我运行上面的代码时的错误：

目前，我对如何修复此错误一无所知。我一直在寻找一种方法来重塑我的数据集，使它们成为 4D 张量，但找不到任何东西。我不会为我的问题寻找一个明确的解决方案，但是任何关于我应该如何解决这个错误的建议都将不胜感激。

我正在尝试使用 tensorflow 读取 cifar10 输入数据。我知道 tensorflow/models github repo 下存在 cifar10.py。运行以下代码时，它基本上会卡住并且在屏幕上不显示任何结果。帮助表示感谢。

假设我有一个火炬 CUDA 张量，我想应用一些函数，sin()但我已经明确定义了函数F。如何使用并行计算F在 Pytorch 中应用。

根据中的代码：https://github.com/tensorflow/models/blob/master/tutorials/image/cifar10/cifar10.py，张量变量使用相同的名称，例如：

和，

因此，为什么在张量流中允许这样做？如果出于某种原因，如果我试图说：

那么我们将评估哪个 conv 张量？

其次，如果CONV1层下的conv张量是指操作。CONV2下的另一个conv张量怎么会引用第二次操作呢？换句话说，如何分别对待它们？tf.nn.conv2dtf.nn.conv2d

任何帮助深表感谢！！

Tensorflow 的新功能，我使用神经网络对图像进行分类。我有一个Tensor包含图像的形状 [N, 128, 128, 1]（N 个图像 128x128 和 1 个通道），以及一个包含图像标签的Tensor形状。[N]

我想把它全部洗牌，然后在训练和测试张量之间分开（比如说 80%-20%）。我没有找到一种方法来“压缩”我的张量以将每个图像与其标签相关联（以便以相同的方式打乱图像和标签）。可能吗 ？如果没有，我怎样才能完成洗牌/拆分工作？

谢谢你的帮助 ！