小编PhA*_*ABC的帖子

目前可以指定与特定操作的tf.device(...)函数一起使用哪个CPU或GPU,但是在哪里可以指定CPU 的核心？

我相信我很难理解图形在张量流中如何工作以及如何访问它们.我的直觉是'with graph:'下的线条将图形形成为单个实体.因此,我决定创建一个在实例化时构建图形的类,并且拥有一个运行图形的函数,如下所示;

class Graph(object):

    #To build the graph when instantiated
    def __init__(self, parameters ):
        self.graph = tf.Graph()
        with self.graph.as_default():
             ...
             prediction = ... 
             cost       = ...
             optimizer  = ...
             ...
    # To launch the graph
    def launchG(self, inputs):
        with tf.Session(graph=self.graph) as sess:
             ...
             sess.run(optimizer, feed_dict)
             loss = sess.run(cost, feed_dict)
             ...
        return variables

接下来的步骤是创建一个主文件,它将汇集参数以传递给类,构建图形然后运行它;

#Main file
...
parameters_dict = { 'n_input': 28, 'learnRate': 0.001, ... }

#Building graph
G = Graph(parameters_dict)
P = G.launchG(Input)
...

这对我来说非常优雅,但它显然不起作用(显然).实际上,似乎launchG函数无法访问图中定义的节点,这给出了我的错误;

---> 26 sess.run(optimizer, feed_dict)

NameError: …

我目前有2个对应于坐标（X，Y）的数组，以及第三个对应于2d空间中此点值的数组。它是这样编码的，而不是矩阵，因为它是一个相当稀疏的矩阵（并非每个点都具有一个值）。现在，我想重建矩阵以便使用matplotlib.imshow（）绘制值。

到目前为止，我最简单的方法是执行for循环，如下所示：

X = [1, 1, 3, 5];
Y = [2, 2, 3, 7];
Z = [0.3, -0.5, 1, 1];
matrix = np.zeros([10,10])

for i in range(len(Z)):
    matrix[X[i],Y[i]] = Z[i]

我的意思是，这并不可怕，但我担心会发生很多事情。是否有一个函数将第一和第二输入分别作为第一和第二坐标，而第三输入作为这些坐标的值？还是会有类似的东西？