张量是一个多维数组。它是许多计算库中的关键实体,例如tensorflow,torch,theano,caffe,mxnet,用于机器学习任务。如果您使用此标记,还要使用相应的库标记问题。
我试图在下面的形状上定义一个损失函数。(NUM_OF_STROKES, STROKE_LEN, 2) 例如,假设NUM_OF_STROKES=1, STROKE_LEN=4,它可以是这样的: [[[x1,y1],[x2,y2],[x3,y3],[x4,y4]]]... ...
我有一个二维张量,我想按第一个维度排序,就像这个例子:a = torch.FloatTensor([[5, 5], [5, 3], [3, 5], [6, 4], [3, 7]]) 我希望得到这样的结果......。
我正在训练在医学数据(图像)上执行CNN算法,我需要恢复最后一层的张量值来执行其他计算。 def _create_conv_net(X, image_z, ...)
我有一个包含标识符的数据集,这些标识符被保存为字符串。我想创建一个神经网络,获取其中的标识符作为标签,然后检查两个标识符是否 ...
我有两个火炬张量。一个形状为[64,4,300],一个形状为[64,300]。我怎样才能将这两个张量连接起来,得到形状[64,5,300]的结果张量。我知道关于...
Pytorch TypeError - eq()收到一个无效的参数组合。
我正在用BERT处理一个文本分类问题。当在本地机器上进行训练时,一切都很正常,但是当切换到服务器上时,我得到了以下错误。
我可以像这样将两个时点x和y原地相加,x = x.add(y) 有什么方法可以在三个或更多时点上做同样的事情,因为所有的时点都有相同的尺寸?
我想把一个不同大小的张量列表转换成一个单一的张量。我试过torch.stack,但显示错误。
我一直在一个图像数据集上尝试一些图像识别神经网络。我的图像是在形状[39209,30,30,3]的数组(或张量)中。然而,对于我在github上找到的一些代码,我的图像......。
当使用我的自定义损失函数时,我得到这个错误:'Tensor'对象没有属性'_numpy'。
我试图为我的CNN创建一个自定义损失函数,但当我编译模型时,我得到这个错误:'Tensor'对象没有属性'_numpy'。我不知道如何解决这个问题。谁能帮帮我?...
我有一批图像,用TensorFlow张量(比如说Tensor 1)表示,形状是(2,1024,1024,1),形式是(B,H,W,C),其中B是批量大小2,H和W是图像尺寸1024,C是 ...
我有下面的TensorFlow tensors。 tensor1 = tf.constant(np.random.randint(0,255, (2,512,512,1)), dtype='int32') #所有元素都在[0,255]范围内 tensor2 = tf.constant(np.random.randint(0,255,(...
我正试图找出在使用稀疏矩阵时如何保存额外的信息。我正在写一些代码,将pandas数据框变成网络。数据框有一列节点,一列 ...
我试图为TensorFlow计算图生成某种文本表示。我知道Tensorboard可以为我提供可视化。然而,我需要某种 ...
假设我有两个时序:a = torch.randn(10, 1000, 1, 4) b = torch.randn(10, 1000, 6, 4) 其中第三个指数是一个向量的指数。我想取b中每个向量之间的点积......。
我有几个视频,我把它们一帧一帧的加载到numpy数组中。例如,如果我有8个视频,它们被转换为一个8维的numpy数组,其中每个内 ...
假设,我们有一个张量t = torch.tensor([True,False,True,False]),我们如何将其转换为值为[1,0,1,0]的整数张量?
PyTorch。提供的尺寸数(0)必须大于或等于张量中的尺寸数(1)
我试图用Pytorch将CPU模型转换为GPU,但我遇到了问题。我在Colab上运行这个,我确信Pytorch可以检测到GPU。这是一个深度Q网络(RL)。我声明我的...
假设我有一个 3D 张量 A A = torch.arrange(24).view(4, 3, 2) print(A),并要求使用 2D 张量 mask 来掩蔽它 mask = torch.zeros((4, 3), dtype=torch.int64) # 或者 dtype=torch.ByteTensor mask[0, 0]...
有没有一种批量的方法可以在不使用for循环的情况下一次性替换pytorch张量中的几个特定值?例如: old_values = torch.Tensor([1, 2, 3, 4, 5]) old_new_value = [[2,22], [3,33]] ...