小编Eng*_*ero的帖子

我有一个M x N 2D数组:第i行代表在时间i的N个点的值.

我希望以图形的形式可视化点[数组的1行],其中值在一小段时间后得到更新.因此,图表一次显示1行,然后将值更新为下一行,依此类推.

我想在一个jupyter笔记本中这样做.寻找参考代码.

我尝试了一些事情,但没有成功:

• http://community.plot.ly/t/updating-graph-with-new-data-every-100-ms-or-so/812

• https://pythonprogramming.net/live-graphs-matplotlib-tutorial/

• 使用Python创建动态更新图

• 更新matplotlib中的行

Tensorflow Tensor和 之间的区别是什么Variable？我注意到在这个stackoverflow的答案中,我们可以Variable在任何Tensor可以使用的地方使用.但是,我没有尽到session.run()一个Variable:

A = tf.zeros([10])   # A is a Tensor
B = tf.Variable([111, 11, 11]) # B is a Variable
sess.run(A) # OK. Will return the values in A
sess.run(B) # Error.

稀疏张量与它们自身或密集张量的相乘似乎在TensorFlow中不起作用.以下示例

from __future__ import print_function
import tensorflow as tf

x = tf.constant([[1.0,2.0],
                 [3.0,4.0]])
y = tf.SparseTensor(indices=[[0,0],[1,1]], values=[1.0,1.0], shape=[2,2])
z = tf.matmul(x,y)

sess = tf.Session()
sess.run(tf.initialize_all_variables())
print(sess.run([x, y, z]))

失败并显示错误消息

TypeError: Input 'b' of 'MatMul' Op has type string that does not match type 
float32 of argument 'a'

两个张量都具有float32类型的值,通过在没有乘法运算的情况下对它们进行求值来看.y与其自身的乘法返回类似的错误消息.x与其自身的乘法运行良好.

我环顾网络,似乎无法找到一种方法来使用反应原生与tensorflow.

我不认为TF支持反应本地(至少不是正式)集成,但我希望社区中的某个人找到了一种方法.

如何在反应原生项目中使用tensorflow？

谢谢.

我正在Keras(tensorflow后端)构建一个简单的Sequential模型.在培训期间,我想检查各个培训批次和模型预测.因此,我正在尝试创建一个自定义Callback,以保存每个培训批次的模型预测和目标.但是,该模型不使用当前批次进行预测,而是使用整个训练数据.

我怎样才能将当前的培训批次交给Callback？

我如何访问Callbackself.predhis和self.targets中保存的批次和目标？

我当前的版本如下:

callback_list = [prediction_history((self.x_train, self.y_train))]

self.model.fit(self.x_train, self.y_train, batch_size=self.batch_size, epochs=self.n_epochs, validation_data=(self.x_val, self.y_val), callbacks=callback_list)

class prediction_history(keras.callbacks.Callback):
    def __init__(self, train_data):
        self.train_data = train_data
        self.predhis = []
        self.targets = []

    def on_batch_end(self, epoch, logs={}):
        x_train, y_train = self.train_data
        self.targets.append(y_train)
        prediction = self.model.predict(x_train)
        self.predhis.append(prediction)
        tf.logging.info("Prediction shape: {}".format(prediction.shape))
        tf.logging.info("Targets shape: {}".format(y_train.shape))

我正在努力重新实施本文,关键操作是双线性张量积.我几乎不知道这意味着什么,但是纸张有一个很好的小图形,我明白了.

关键操作是e_1*W*e_2,我想知道如何在tensorflow中实现它,因为其余部分应该很容易.

基本上,给定3D张量W,将其切割成矩阵,对于第j个切片(矩阵),将其在每一侧乘以e_1和e_2,得到标量,这是结果向量中的第j个条目(输出此操作).

所以我想要执行e_1的乘积,d维向量,W,dxdxk张量,和e_2,另一个d维向量.这个产品能否像现在一样在TensorFlow中简明扼要地表达,还是我必须以某种方式定义自己的操作？

早期编辑

为什么这些张量的乘法不起作用,是否有某种方法可以更明确地定义它以使其有效？

>>> import tensorflow as tf
>>> tf.InteractiveSession()
>>> a = tf.ones([3, 3, 3])
>>> a.eval()
array([[[ 1.,  1.,  1.],
        [ 1.,  1.,  1.],
        [ 1.,  1.,  1.]],

       [[ 1.,  1.,  1.],
        [ 1.,  1.,  1.],
        [ 1.,  1.,  1.]],

       [[ 1.,  1.,  1.],
        [ 1.,  1.,  1.],
        [ 1.,  1.,  1.]]], dtype=float32)
>>> b = tf.ones([3, 1, 1]) …

我正在研究tensorflow 0.12,我遇到了铸造问题.以下代码片段做了一件奇怪的事情:

sess = tf.InteractiveSession()
a = tf.constant(1)
b = tf.cast(a, tf.float32)
print b.eval()

我得到一个值:6.86574233e-36

我也试过用tf.to_float()和tf.saturate_cast.两者都给出了相同的结果.

请帮忙.

最近我一直在努力学习使用TensorFlow,我不明白变量范围是如何工作的.特别是,我有以下问题:

import tensorflow as tf
from tensorflow.models.rnn import rnn_cell
from tensorflow.models.rnn import rnn

inputs = [tf.placeholder(tf.float32,shape=[10,10]) for _ in range(5)]
cell = rnn_cell.BasicLSTMCell(10)
outpts, states = rnn.rnn(cell, inputs, dtype=tf.float32)

print outpts[2].name
# ==> u'RNN/BasicLSTMCell_2/mul_2:0'

在什么地方 '_2'在'BasicLSTMCell_2'从何而来？以后使用tf.get_variable(reuse=True)再次获取相同变量时如何工作？

编辑:我想我发现了一个相关的问题:

def creating(s):
    with tf.variable_scope('test'):
        with tf.variable_scope('inner'):
            a=tf.get_variable(s,[1])
    return a

def creating_mod(s):
    with tf.variable_scope('test'):
        with tf.variable_scope('inner'):
            a=tf.Variable(0.0, name=s)
    return a

tf.ops.reset_default_graph()
a=creating('a')
b=creating_mod('b')
c=creating('c')
d=creating_mod('d')

print a.name, '\n', b.name,'\n', c.name,'\n', d.name

输出是

test/inner/a:0 
test_1/inner/b:0 
test/inner/c:0 
test_3/inner/d:0

我糊涂了...

我有HTML表单在Django View中发布,并且由于一些约束,我更容易在validation没有通常的Django表单类的情况下完成.

我使用Django Forms的唯一理由是输入的电子邮件字段.

是否有任何功能来检查是否有东西email或我必须使用它EmailField来检查和验证它​​？

我正在尝试实现一个FCNN用于图像分类,可以接受可变大小的输入.该模型使用TensorFlow后端在Keras中构建.

考虑以下玩具示例:

model = Sequential()

# width and height are None because we want to process images of variable size 
# nb_channels is either 1 (grayscale) or 3 (rgb)
model.add(Convolution2D(32, 3, 3, input_shape=(nb_channels, None, None), border_mode='same'))
model.add(Activation('relu'))
model.add(MaxPooling2D(pool_size=(2, 2)))

model.add(Convolution2D(32, 3, 3, border_mode='same'))
model.add(MaxPooling2D(pool_size=(2, 2)))

model.add(Convolution2D(16, 1, 1))
model.add(Activation('relu'))

model.add(Convolution2D(8, 1, 1))
model.add(Activation('relu'))

# reduce the number of dimensions to the number of classes
model.add(Convolution2D(nb_classses, 1, 1))
model.add(Activation('relu'))

# do global pooling to yield one value per class
model.add(GlobalAveragePooling2D())

model.add(Activation('softmax')) …