问题标签 [tensor]

我创建了一个具有三个密集层的 keras 顺序模型，我只创建了一个自定义损失函数，如下所示：

有了这个损失函数，一切都很好。

但现在假设我为“y_p”中的每条记录都有特定的“v”数组，我想做代码的第 5 行，以使“y_p”的点积与记录特定的“v”数组。换句话说，我有 'v' 向量的 bach_size 的数量，我想将 'y_p' 中的每条记录乘积到那个特定的 'v' 数组中。我想要的是如下所示：

但我收到错误“张量”对象不可迭代。我怎样才能以正确的方式实现我的损失函数我真的很感谢你的帮助

我刚刚为我的顺序 keras 模型实现了一个自定义损失函数。在损失函数中，我想得到 的值y_t，Tensor输入的值batch_size并用这些值做一些数学运算：

但是有了这个损失函数，我得到了这个错误：

我知道问题出在操作K.get_value(y_t_temp)中，但我需要获取值来计算该标签记录的向量，正如您在 for 循环中看到的那样。

我只想知道如何y_t在损失函数中获取值，或者如何以另一种方式实现此逻辑。

我保存额外信息的原因y_t是我想为vectors训练数据的馈送 batch_size 生成包含这些信息的数组。我可以vectors为所有火车数据在损失函数之外生成数组并将其传递给损失函数，但问题是损失函数每次都输入了火车数据的 batch_size 并且 batch_size 记录是从火车随机生成的据我所知，我不知道如何vectors在损失函数中过滤那些馈送数据的数组，因此我来到这个解决方案，vectors根据 batch_size 数据的一些额外信息在损失函数中制作数组，我发现没有方法，但y_t通过获取值来保存额外的信息y_t我可以处理我的问题。所以我真的很感激是否有任何其他方法可以vectors通过在损失函数中找到馈送数据的索引来过滤训练数据的馈送 batch_size 数组，或者vectors以某种方式将相应的过滤数组传递给损失函数。

我非常感谢您的帮助或任何其他解决方案来实现我的逻辑。

我是 mshadow 的新手，我不明白为什么我会从以下代码片段中得到这些输出：

输出是：

为什么第二个和第三个输出这些数字？因为lhs[0]是一维的，所以我认为它们应该是完全一样的，即3 0. 谁能告诉我我错在哪里？提前致谢！

我是 Python/Pytorch 用户。首先，在 numpy 中，假设我有一个大小为 LxL 的数组 M，并且我想要以下数组：A=(M,...,M) 的大小，比如 NxLxL，是否有更优雅/内存有效的方法比：

与火炬张量相同的问题！原因，现在，如果 M 是变量（torch.tensor），我必须这样做：

这是丑陋的！

我已经成功获得了（7x7）的混淆矩阵。它是张量形式。

我想查看混淆矩阵。尝试了 .eval 和 sess 方法，但它不起作用。

我的代码：

输出：

tf.SparseTensor.eval

神经网络：

So assuming I have this:

TensorShape([Dimension(None), Dimension(32)])

And I use tf.split on this tensor _X with the dimension above:

What is the shape of this new tensor? The output is a list so its hard to know the shape of this new tensor.

我编写了一个分布式 TensorFlow 程序，其中包含 1 个 ps 作业和 2 个 worker 作业。我原以为数据批次会分布在工作人员之间，但似乎并非如此。我看到只有一名工作人员（task=0）在做所有工作，而另一名工作人员则处于空闲状态。你能帮我找出这个程序的问题吗：

以下是 task=0 的工作人员的日志：

2017-06-20 04:50:58.405431: I tensorflow/core/common_runtime/simple_placer.cc:841] Adagrad/value: (Const)/job:ps/replica:0/task:0/cpu:0 truncated_normal/stddev : (Const): /job:worker/replica:0/task:0/gpu:0
2017-06-20 04:50:58.405456: I tensorflow/core/common_runtime/simple_placer.cc:841] truncated_normal/stddev: ( const)/job:worker/replica:0/task:0/gpu:0 truncated_normal/mean: (Const): /job:worker/replica:0/task:0/gpu:0
2017-06-20 04:50 :58.405481: I tensorflow/core/common_runtime/simple_placer.cc:841] truncate_normal/mean: (Const)/job:worker/replica:0/task:0/gpu:0 truncated_normal/shape: (Const): /job:工人/副本：0/任务：0/GPU：0
2017-06-20 04:50:58.405506: I tensorflow/core/common_runtime/simple_placer.cc:841] truncated_normal/shape: (Const)/job:worker/replica:0/task:0/gpu:0 Worker 0:会话初始化完成。
提取下
一批 500 提取下一批 500 提取下一批 500 提取下一批 500 提取下一批 500 完成步骤 408800 ... ...

但从工人 2 (task=1) 的日志看起来像：

2017-06-20 04:51:07.288600: I tensorflow/core/common_runtime/simple_placer.cc:841] 零：(Const)/job:worker/replica:0/task:1/gpu:0 Adagrad/value:( const): /job:ps/replica:0/task:0/cpu:0
2017-06-20 04:51:07.288614: I tensorflow/core/common_runtime/simple_placer.cc:841] Adagrad/value: (Const) /job:ps/replica:0/task:0/cpu:0 truncated_normal/stddev: (Const): /job:worker/replica:0/task:1/gpu:0
2017-06-20 04:51:07.288639 : I tensorflow/core/common_runtime/simple_placer.cc:841] truncated_normal/stddev: (Const)/job:worker/replica:0/task:1/gpu:0 truncated_normal/mean: (Const): /job:worker/副本：0/任务：1/GPU：0
2017-06-20 04:51:07.288664: I tensorflow/core/common_runtime/simple_placer.cc:841] truncated_normal/mean: (Const)/job:worker/replica:0/task:1/gpu:0 truncated_normal/shape : (Const): /job:worker/replica:0/task:1/gpu:0 2017-06-20 04:51:07.288689: I tensorflow/core/common_runtime/simple_placer.cc:841] truncated_normal/shape: ( const)/job:worker/replica:0/task:1/gpu:0

我期待两位工人提供类似的日志。请帮助我理解这一点。期待您的帮助。

我最近开始学习 Tensorflow，特别想使用卷积神经网络进行图像分类。我一直在查看官方存储库中的 android 演示，特别是这个示例： https://github.com/tensorflow/tensorflow/blob/master/tensorflow/examples/android/src/org/tensorflow/demo/TensorFlowImageClassifier。爪哇

在第 145 行，它使用图像的输入数据创建一个张量，如下所示：

现在，我一直在试图理解它在做什么，它最终调用了这个方法：Tensor.create。我不明白的是，为什么这个函数的输入参数（也称为“维度”）给出的这个张量的形状是{1, inputSize, inputSize, 3}. 第二维和第三维是图像的宽高，第四维是图像的RGB数据。但为什么它的第一个维度为 1？这个张量的形状不应该{inputSize, inputSize, 3}改为吗？我想因为维度是 1 它没有区别，但我想这个符号一定是有原因的，我不明白。

正如标题所说，我正在为我的机器使用从源代码构建的 tensorflow 1.2 版。我不相信这会影响我的问题。

这两个代码块有什么区别？最上面的一个导致我在训练时永远不会得到分配的值，但最下面的却是。我将所有纪元数据复制到 gpu，然后根据需要获取每个批次的数据，因此此代码在同一会话中每个批次的开头运行。

代码在 python 中，所有这些都在我的模型类中定义。所有 self.data 对象都是 3D float32 张量。

我的项目需要一个新层，它需要 Tensor 的新运算符来计算输入 x 和常量 Key k 之间的按位异或。例如 x = 4（位形式：100），k = 7 (111)，bitwiseXOR(x, k) 期望为 3 (011)。

据我所知，Tensor 只有布尔类型的 LogicXOR 运算符。幸运的是，Tensorflow 具有扩展能力，可以拥有一个新的 Op。但是，我阅读了https://www.tensorflow.org/extend/adding_an_op中的文档，我可以得到基本的想法，但这离实现还很远，可能是因为缺乏 c++ 知识。任何有关实施新运营商的建议都会有所帮助。然后我可以使用 Tensor 的新 Op 来构建新层。