小编Viv*_*ian的帖子

我想将每个人的名字与一个数字列表相关联。

keys = ["Fritz", "Franz", "Fred"]
values = [[1, 2, 3], [4, 5], [6, 7, 8, 9]]

如果我运行以下命令：

import tensorflow as tf
table = tf.lookup.StaticHashTable(tf.lookup.KeyValueTensorInitializer(keys, values), default_value=0)

，我得到 aValueError: Can't convert non-rectangular Python sequence to Tensor. 因为列表大小不同，因此无法转换为 a tf.Tensor。

是否有另一种方法将张量的值与任意形状的列表相关联？

感谢您的帮助 ：）

我想生成 10 范围内的窗口：

import tensorflow as tf

dataset = tf.data.Dataset.from_tensor_slices(tf.range(10))
dataset = dataset.window(5, shift=1, drop_remainder=True)

并想在这个数据集上训练我的模型。

为此，必须将这些窗口转换为张量。但这些窗口的数据类型无法转换tf.convert_to_tensor为张量。这是可以做到的tf.convert_to_tensor(list(window))，但是效率很低。

有谁知道如何tf.VariantDataset有效地将 a 转换为 a tf.Tensor？

感谢您的帮助！

我目前正在与torch.nn.CrossEntropyLoss. 据我所知，批量计算损失是很常见的。但是，是否有可能计算多个批次的损失？

更具体地说，假设我们给出了数据

import torch

features = torch.randn(no_of_batches, batch_size, feature_dim)
targets = torch.randint(low=0, high=10, size=(no_of_batches, batch_size))

loss_function = torch.nn.CrossEntropyLoss()

有没有一种方法可以一行计算

loss = loss_function(features, targets) # raises RuntimeError: Expected target size [no_of_batches, feature_dim], got [no_of_batches, batch_size]

？

先感谢您！