小编조수호*_*조수호的帖子

我有一个关于torch.stack的问题

我有2个张量，a.shape =（2，3，4）和b.shape =（2，3）。 如何在不进行就地操作的情况下堆叠它们？

我试图找出为什么下面的代码在迭代过程中发生巨大的内存泄漏。这是整个代码。

def train_network(file_folder, file_list, hm_epochs, batch_size):    
    num_files = len(file_list)

    with g.as_default():

        input_image = tf.placeholder(tf.float32, shape=[1, 40, 200, 300, 3])
        y1 = tf.placeholder(tf.int32)
        y2 = tf.placeholder(tf.float32)

        class_logit, highlight_logit = convolutional_neural_network(input_image)

        class_loss = tf.reduce_mean(tf.nn.softmax_cross_entropy_with_logits(logits=class_logit, labels=y1))
        highlight_loss = tf.reduce_mean(tf.nn.softmax_cross_entropy_with_logits(logits=highlight_logit, labels=y2))

        optimizer1 = tf.train.RMSPropOptimizer(learning_rate=1e-6).minimize(class_loss, centered=True)
        optimizer2 = tf.train.RMSPropOptimizer(learning_rate=1e-7).minimize(highlight_loss, centered=True)

        #### Saving Network ####
        with tf.Session(graph=g) as sess:
            saver = tf.train.Saver(max_to_keep = 3)
            sess.run(tf.global_variables_initializer())
            for epoch in xrange(hm_epochs):
                epoch_loss = 0

                for idx in xrange(num_files):
                    _file = file_folder + '/' + file_list[idx]
                    X_total, Y1_class, Y2_score …

我正在 tensorflow 中使用 CNN 学习 LSTM。我想将一些标量标签作为条件放入 LSTM 网络。有人知道我的意思是哪个 LSTM 吗？如果可用，请告诉我它的用法

谢谢你。

令我的张量维度为 (B, N^2, C)，并将其重塑为 (B, C, N, N)。

我认为我有以下两个选择

A = torch.rand(5, 100, 20) # Original Tensor

# First Method
B = torch.transpose(2, 1)
B = B.view(5, 20, 10, 10)

# Second Method
C = A.view(5, 20, 10, 10)

两种方法都有效，但输出略有不同，我无法理解它们之间的区别。

谢谢