tf.reshape()的Tensorflow 1.0 版本问题报错

最新推荐文章于 2021-08-13 19:06:13 发布
最新推荐文章于 2021-08-13 19:06:13 发布
阅读量332 收藏
点赞数
CC 4.0 BY-SA版权
分类专栏： Tensorflow学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/qq_33373858/article/details/83718902
本文介绍TensorFlow中张量操作tf.reverse与tf.reverse_sequence的更新细节。tf.reverse现在使用轴索引张量来控制要颠倒的维度，示例中展示了如何从使用bool张量转换为使用轴索引张量。同时，tf.reverse_sequence的参数也进行了调整，batch_dim与seq_dim分别被重命名为batch_axis与seq_axis。

  • tf.reverse

    • tf.reverse之前会用一维 bool 张量控制要颠倒哪些维度。现在我们使用轴索引张量。

    • 例如，tf.reverse(a, [True, False, True]) 现在必须是 tf.reverse(a, [0, 2])

  • tf.reverse_sequence

    • 关键字参数 batch_dim 应重命名为 batch_axis

    • 关键字参数 seq_dim 应重命名为 seq_axis

刚开始介绍的是Tensorflow1.13.1版本，后来介绍的是2.0.0和2.1.0版本（附3个版本的代码）
Gfqwy2021
04-24 2668
TensorFlow = Tensor + Flow（张量+流） 在TensorFlow中，所有的数据都通过张量的形式来表示； 张量并没有真正保存数字，它保存的是计算过程 张量的阶（rank）表示的是：张量的维度 从功能的角度，张量可以简单理解为多维数组 零阶张量表示标量（scalar），也就是一个数； 一阶张量为向量（vector），也就是一维数组； n阶张量可以理解为一个n维数组； 三个术语...
导入MNIST时报错No module named ‘tensorflow.examples.tutorials‘ 解决方案
Mistletoe-Sachel
11-20 2677
参考：https://blog.csdn.net/taomiaotaomiao/article/details/78566775 tensorflow版本1.15.2，Python版本3.7.5 报错 No module named 'tensorflow.examples.tutorials' 解决方案 1. 检查tensorflow是否安装成功： import tensorflow as tf 2. 确认安装成功后，进入 python安装目录\Lib\site-package..
tf.reshape报错
qq_35523233的博客
03-04 1158
TypeError: Failed to convert object of type <class ‘list’> to Tensor. Contents: [x.shape[0],-1,x.shape[-1]]. Consider casting elements to a supported type. 这是tf.reshape()的时候报错。需要使用.as_list()将获取到...
tensorflow2.0在call（）方法中使用tf.reshape()方法报错
dream_to_dream的博客
06-21 1082
记录一下自己在tensorflow2.x的call（）方法中，打算改变张量的形状，所以使用了： x = tf.reshape(x,(batch_size,-1))
【tensorFlow】tf.reshape()报错信息 - TypeError: Expected binary or unicode string, got -1
Slow down, Keep learning and Enjoy life
03-06 1万+
在使用tensorflow训练CNN时，通常会通过将输入设置成一个placeholder，如下所示： image_dims = [224, 224, 3] inputs = tf.placeholder(tf.float32, [None] + image_dims, name='input_images') 其中None所在位置，表示训练网络时，一个迭代需要用到多少个样本，也是就batc...
关于tensorflow 中 placeholder 与 reshape的一点坑
清晨随笔
07-08 1216
转自：https://blog.csdn.net/sky_asher/article/details/79717620 在搭LeNet-5 模型时，在卷积层的输出到全连接层时，使用了reshape将四维的矩阵转化维2维矩阵时，发生了错误： 起初以为时类型转换发生了错误，然后演算过后发现并没有错误。然后改了下 训练数据的输入格式 # 定义输入输出placeholder， *...
tf.reshape函数用法&理解
Viking的博客
05-20 2万+
函数原型 函数接口： tf.reshape( tensor, shape, name=None ) 参数 tensor Tensor张量 shape Tensor张量，用于定义输出张量的shape，组成元素类型为 int32或int64. name 可选参数，用于定义操作名称. 返回 A Tensor. 输出张量和输入张量的元素类型相同。 用法 tf.reshape函数用于对输入tensor进行维度调整，但是这种调整方式并不会修改内部元素的数量以及
import tensorflow.compat.v1 as tf # 兼容本地2.6的tensorflow环境下使用1.0的tensorflow tf.compat.v1.disable_eager_execution() from tensorflow.examples.tutorials.mnist import input_data mnist = input_data.read_data_sets("MNIST_data/", one_hot=True) def weight_variable(shape): initial = tf.truncated_normal(shape, stddev=0.1) return tf.Variable(initial) def bias_variable(shape): initial = tf.constant(0.1, shape=shape) return tf.Variable(initial) def conv2d(x, W): return tf.nn.max_pool(x,ksize=[1, 1, 1, 1],padding='SAME') def max_pool_2x2(x): return tf.nn.max_pool(x,ksize=[1, 2, 2, 1], strides=[1, 2, 2, 1],padding='SAME') def deepnn(x): x_image = tf.reshape(x,[-1, 28, 28, 1]) W_conv1 = weight_variable([5, 5, 1, 32]) b_conv1 = bias_variable([32]) h_conv1 = tf.nn.relu(conv2d(x_image, W_conv1) + b_conv1) h_pool1 = max_pool_2x2(h_conv1) W_conv2 = weight_variable([5, 5, 32, 64]) b_conv2 = weight_variable([64]) h_conv2 =
最新发布
04-24
好的，我现在要解决用户在TensorFlow 1.0代码在TensorFlow 2.6环境中的兼容性问题，包括TypeError和未完成的函数实现，特别是conv2d和max_pool_2x2的问题。首先，我需要回忆TensorFlow 1.x和2.x的主要区别，特别是...
Tensorflow之神经网络nn模块详解
Never-Giveup的博客
07-18 1万+
Tensorflow中的tensorflow.nn模块是TensorFlow用于深度学习计算的核心模块。 主要的API: 激活函数（Activation Functions） 操作 描述 tf.nn.relu(features, name=None) 整流函数：max(features, 0) tf.nn.relu6(features, name=Non...
Tensorflow 2.0 使用流程详解
deepsprings的博客
08-13 2051
Tensorflow 2.0 使用流程详解 前言 ：明确神经网络搭建流程，列举了过程中所有实现方法。 絮叨几句： 自己最初就是想借 tensorflow 架构一个简单网络，但看了网上诸多教程，依旧对 tensorflow 如何去实现感到糊涂，官方文档教程和指南也感觉逻辑搞得相当混乱和复杂，各种方法混用，看了反而更莫名其妙，获取到的知识碎片化严重，还记不牢。 更有些教程知识点反而集中到了感知机、线性回归、各类神经网络上。我只是想搞清架构网络的方法而已，比如怎么架构，最重要的有几种实现方法，毕竟tensorf
TensorFlow的reshape操作 tf.reshape
热门推荐
xgli的博客
11-03 10万+
初学tensorflow，如果写的不对的，请更正，谢谢！tf.reshape(tensor, shape, name=None) 函数的作用是将tensor变换为参数shape的形式。 其中shape为一个列表形式，特殊的一点是列表中可以存在-1。-1代表的含义是不用我们自己指定这一维的大小，函数会自动计算，但列表中只能存在一个-1。（当然如果存在多个-1，就是一个存在多解的方程了）好了我想说的
TensorFlow学习笔记（五）：tf.reshape用法
沫尘的博客
05-25 2万+
tf.reshape(tensor,shape, name=None)  函数的作用是将tensor变换为参数shape的形式。  其中shape为一个列表形式，特殊的一点是列表中可以存在-1。-1代表的含义是不用我们自己指定这一维的大小，函数会自动计算，但列表中只能存在一个-1。（当然如果存在多个-1，就是一个存在多解的方程了） 好了我想说的重点还有一个就是根据shape如何变换矩阵。其实
疑问点1
yegeli的博客
09-21 409
1. tf.parse_single_example()函数 tf.parse_single_example( serialized, features, name=None, example_names=None ) 定义于：tensorflow/python/ops/parsing_ops.py。 解析一个Example原型。 类似于parse_example，除了： 对于稠密型Tensor，返回的Tensor与parse_example的输出相同。除了没有batch的维度，输出的形状与dense_sh
tf.reshape()的用法
gqixf的博客
10-16 1万+
tf.reshape(tensor, shape, name=None) 函数的作用是将tensor变换为参数shape的形式。其中shape为一个列表形式，特殊的一点是列表中可以存在-1。 -1代表的含义是不用我们自己指定这一维的大小，函数会自动计算，但列表中只能存在一个-1. shape可以看着是reshape变换后的矩阵大小，先不管-1的那一个维度，先看其他维度，然后用原矩阵的总元素个...
tensorflow1.0中的改善
a493862864的博客
03-06 264
TensorFlow 1.0 重大功能及改善 XLA（实验版）：初始版本的XLA，针对TensorFlow图（graph）的专用编译器，面向CPU和GPU。 TensorFlow Debugger（tfdbg）：命令行界面和API。 添加了新的python 3 docker图像。 使pip包兼容pypi。TensorFlow现在可以通过 [pip install ...
『tensorflow笔记』tf.reshape的详细讲解
AI新视界
01-05 5578
函数原型：目的是为了功能改变张量（tensor）的形状。 tf.reshape( tensor, shape, name=None ) tensor形参传入一个tensor。shape传入一个向量，代表新tensor的维度数和每个维度的长度。如果传入[3,4,5]，就会返回一个内含各分量数值和原传入张量一模一样的3*4*5尺寸的张量。 如果shape传入的向量某一...
tf.reshape()
luoganttcc的博客
03-25 817
#!/usr/bin/env python3 # -*- coding: utf-8 -*- """ Created on Sat Mar 24 16:35:11 2018 @author: luogan """ ''' from tensorflow.examples.tutorials.mnist import input_data mnist=input_data.read_data_...
TensorFlow 1.0后与以前代码不兼容解决-CIFAR-10报错解决
百川的博客
07-31 6909
以下报错主要是由于TensorFlow升级1.0后与以前代码不兼容所致。主要转载自CIFAR-10训练例子报错解决，并添加了一些报错解决方法。 AttributeError: ‘module’ object has noattribute ‘random_crop’ 解决方案： 将distorted_image= tf.image.random_crop(reshaped_image, [
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值