标签: tensor

刚开始使用Tensorflow,但我无法在我的cmd上使用tensorboard命令,它会给出错误命令

C:\Users\tushar\PycharmProjects>tensorboard --logdir="NewTF"
'tensorboard' is not recognized as an internal or external command,
 operable program or batch file.

我正在使用窗口10并安装了tensorboard库/

在numpy中,V.shape给出一个V维数的元组.

在tensorflow中V.get_shape().as_list()给出了V维的整数列表.

在pytorch中,V.size()给出一个大小的对象,但是如何将它转换为整数？

我有一个数据集，如下所示。那就是第一项是用户ID，后跟用户单击的一组项目。

0   24104   27359   6684
0   24104   27359
1   16742   31529   31485
1   16742   31529
2   6579    19316   13091   7181    6579    19316   13091
2   6579    19316   13091   7181    6579    19316
2   6579    19316   13091   7181    6579    19316   13091   6579
2   6579    19316   13091   7181    6579
4   19577   21608
4   19577   21608
4   19577   21608   18373
5   3541    9529
5   3541    9529
6   6832    19218   14144
6   6832    19218
7   9751    23424   25067   12606   26245   23083   12606

我定义了一个自定义数据集来处理我的点击日志数据。

0   24104   27359 …

当forward我的神经网络的功能（训练阶段完成后）正在执行时，我遇到RuntimeError: Expected object of backend CUDA but got backend CPU for argument #4 'mat1'.错误跟踪表明错误是由于调用output = self.layer1(x)命令而发生的。我试图将张量的所有数据移动到我的 GPU。似乎我也想念一些要移动的东西。

这是我尝试过的代码：

use_cuda = torch.cuda.is_available()
device = torch.device('cuda:0' if use_cuda else 'cpu')

class NeuralNet(nn.Module):

    def __init__(self, input_size, hidden_size, output_size):
        super(NeuralNet, self).__init__()
        self.layer1 = nn.Linear(input_size, hidden_size).cuda(device)
        self.layer2 = nn.Linear(hidden_size, output_size).cuda(device)
        self.relu = nn.ReLU().cuda(device)

    def forward(self, x):
        x.cuda(device)
        output = self.layer1(x)  # throws the error
        output = self.relu(output)
        output = self.layer2(output)
        return output


def main():
    transform = transforms.Compose([
        transforms.ToTensor()
    ]) …

当我浏览 pytorch 文档时，我layout = torch.strided在许多函数中遇到了一个术语。任何人都可以帮助我了解它在哪里使用以及如何使用。描述说这是返回的 Tensor 所需的布局。布局是什么意思，有多少种布局？

torch.rand(*sizes, out=None, dtype=None, layout=torch.strided, device=None, requires_grad=False)

请原谅我可能是一个简单的问题,但是我正在尝试使用numpy中的张量点产品tensordot,但我不确定如何重塑我的数组以实现我的计算.(总的来说,我对张量的数学还很陌生.)

我有

arr = np.array([[[1, 1, 1],
                [0, 0, 0],
                [2, 2, 2]],

               [[0, 0, 0],
                [4, 4, 4],
                [0, 0, 0]]])

w = [1, 1, 1]

我想要一个点积axis=2,这样我就有了矩阵

array([[3, 0, 6],
       [0, 12, 0]])

什么是适当的numpy语法？np.tensordot(arr, [1, 1, 1], axes=2)似乎提出了一个ValueError.

嗨,我是tensorflow的新手.我想在tensorflow中实现以下python代码.

import numpy as np
a = np.array([1,2,3,4,5,6,7,9,0])
print(a) ## [1 2 3 4 5 6 7 9 0]
print(a.shape) ## (9,)
b = a[:, np.newaxis] ### want to write this in tensorflow.
print(b.shape) ## (9,1)

我想将整数张量转换为布尔值张量。

具体来说，我希望能够拥有一个转换tensor([0,10,0,16])为tensor([0,1,0,1])

这在 Tensorflow 中只需使用tf.cast(x,tf.bool).

我希望强制转换将所有大于 0 的整数更改为 1，并将所有等于 0 的整数更改为 0。这!!在大多数语言中都是等价的。

由于 pytorch 似乎没有专用的布尔类型可以转换，这里最好的方法是什么？

编辑：我正在寻找一个矢量化的解决方案，而不是遍历每个元素。

TensorFlow 和 Keras中的符号张量是什么？它们与其他张量有何不同？它们为什么会存在？它们在 TensorFlow 和 Keras 中出现在哪里？我们应该如何处理它们，或者在处理它们时会面临哪些问题？

过去，我遇到过一些与符号张量相关的问题，例如_SymbolicException，但文档没有描述这个概念。还有另一篇文章也提出了这个问题，但是，在这篇文章中，我专注于这个特定问题，以便以后可以将答案用作参考。

我是 Numba 新手，我需要使用 Numba 来加速一些 Pytorch 功能。但我发现即使是一个非常简单的功能也不起作用:(

import torch
import numba

@numba.njit()
def vec_add_odd_pos(a, b):
    res = 0.
    for pos in range(len(a)):
        if pos % 2 == 0:
            res += a[pos] + b[pos]
    return res

x = torch.tensor([3, 4, 5.])
y = torch.tensor([-2, 0, 1.])
z = vec_add_odd_pos(x, y)

但出现以下错误

def vec_add_odd_pos(a, b):
    res = 0.
    ^

This error may have been caused by the following argument(s):
- argument 0: cannot determine Numba type of <class 'torch.Tensor'>
- argument 1: …