tensor

    1

    1答えて

    同じタイプの変数が複数の場所で使用されているかどうかを確認するTheanoのスキャン機能のチェックが原因でエラーが発生します。この関数は、(N, 1)行列でcol TensorTypeの(N, 1)を交換することはできません(下記のエラー参照)。 (N, 1)テンソルタイプcolテンソルタイプをmatrix TensorTypeにキャスト/変換するにはどうすればよいですか? TypeError:

    1

    1答えて

    (つまり:x1、y2)は一様分布で初期化されていますが、結果をプリントアウトすると期待したものではありません。 これは私のコードである: x1 = tf.random_uniform([1], 0, 10, tf.int32) y1 = tf.random_uniform([1], 0, 10, tf.int32) subtraction = x1 - y1 with tf.Sessio

    2

    1答えて

    に変わります。dynamic_rnnにLSTMCellを使用していましたが、内部状態を含むLSTMStateTupleを出していました。このオブジェクトの形状を私の間違いで呼び出すと、グラフの作成時にエラーが発生することなくテンソルが得られます。私は実行時にグラフを介して入力を入力するときにもエラーは発生しませんでした。 コード: cell = tf.contrib.rnn.LSTMCell(si

    1

    2答えて

    4次元の画像を表すTensorFlowプレースホルダがあります。各画像は32×32ピクセルであり、各ピクセルは3つのカラーチャネルを有する。最初の次元はイメージの数を表します。各画像の X = tf.placeholder(tf.float32, [None, 32, 32, 3]) 、私はすべての画像のピクセルのL2ノルムを利用したいと思います。したがって、出力は、1次元(すなわち、画像当たり1

    0

    1答えて

    TensorFlowのTensorboardでy軸をログスケールで視覚化することは可能ですか? 重量配分はほとんど全く変更されていないようだイメージから: は、私は私のニューラルネットワークの1層目の重みの次ヒストグラム(分布)を持っています。実際、ログスケール(y軸)の変化を見たいと思います。出来ますか?

    0

    2答えて

    テンソル形式で表現された積み重ねた行列を掛けたい。 2および5は、バッチの大きさ tensor.shape == [2,5,7,6] 、 tensor2.shape == [5,6,8] 5は、バッチサイズです。 numpyので 、tensor2が自動的ので、私は簡単np.matmul(tensor,tensor2) しかしtensorflowにを使用することができ、[2,5,7,6]テンソル

    4

    2答えて

    タイトルはそれをすべて言っています。私はPyTorch autograd.Variableをその同等のnumpy配列に変換したいと思います。彼らのofficial documentationでは、彼らはnumpy配列(PyTorch tensor)を得るためにa.numpy()を使用することを提唱しました。しかし、これは私に次のエラーを与えます: Traceback (most recent ca

    -2

    1答えて

    ここに私のエラーが発生するラインである: self.output = tensor.nnet.softmax(conv_out +自己.b.dimshuffle( 'x'、filter_shape [0]、 'x'、 'x')) PSここでfilter_shape [0] = 3(カーナル数)

    0

    1答えて

    MXNetRでフィードフォワードニューラルネットワークを構築しようとしています。私の入力は、6380行と180列のデータフレームです。私のトレーニングとテストの出力は、それぞれ319要素の1次元ベクトルです。 バッチサイズを1に設定し、出力レイヤーのニューロン数を319に設定してモデルを実行します。したがって、各バッチについて、319要素のベクトルを取得することが期待されます。予測された出力ベクト

    0

    1答えて

    私はtensorflowを使用してcifar10入力データを読み込もうとしています。テンソルフロー/モデルgithub repoの下でcifar10.pyの存在を知っています。次のコードを実行すると、基本的にスタックして画面に結果が表示されません。ありがとうございました。 from __future__ import absolute_import from __future__ import