La programmation tensor

2

Explication de l'entrée Keras: input_shape, units, batch_size, dim, etc.

Pour toute couche Keras ( Layerclasse), quelqu'un peut - il expliquer comment comprendre la différence entre input_shape, units, dim, etc.? Par exemple, le document dit de unitsspécifier la forme de sortie d'un calque. Dans l'image du réseau neuronal ci-dessous hidden layer1a 4 unités. Cela se traduit-il directement par l' unitsattribut …

262 neural-network deep-learning keras keras-layer tensor

21

Comment imprimer la valeur d'un objet Tensor dans TensorFlow?

J'utilise l'exemple d'introduction de la multiplication matricielle dans TensorFlow. matrix1 = tf.constant([[3., 3.]]) matrix2 = tf.constant([[2.],[2.]]) product = tf.matmul(matrix1, matrix2) Lorsque j'imprime le produit, il l'affiche en tant Tensorqu'objet: <tensorflow.python.framework.ops.Tensor object at 0x10470fcd0> Mais comment savoir la valeur de product? Ce qui suit n'aide pas: print product Tensor("MatMul:0", shape=TensorShape([Dimension(1), Dimension(1)]), …

259 python tensorflow tensor

8

Comment fonctionne la méthode de «visualisation» dans PyTorch?

Je suis confus au sujet de la méthode view()dans l'extrait de code suivant. class Net(nn.Module): def __init__(self): super(Net, self).__init__() self.conv1 = nn.Conv2d(3, 6, 5) self.pool = nn.MaxPool2d(2,2) self.conv2 = nn.Conv2d(6, 16, 5) self.fc1 = nn.Linear(16*5*5, 120) self.fc2 = nn.Linear(120, 84) self.fc3 = nn.Linear(84, 10) def forward(self, x): x = self.pool(F.relu(self.conv1(x))) …

207 python memory pytorch torch tensor

5

Le meilleur moyen d'enregistrer un modèle entraîné dans PyTorch?

Je cherchais des moyens alternatifs pour enregistrer un modèle entraîné dans PyTorch. Jusqu'à présent, j'ai trouvé deux alternatives. torch.save () pour enregistrer un modèle et torch.load () pour charger un modèle. model.state_dict () pour enregistrer un modèle entraîné et model.load_state_dict () pour charger le modèle enregistré. Je suis tombé sur …

192 python serialization deep-learning pytorch tensor

5

pourquoi «emballons-nous» les séquences en pytorch?

J'essayais de reproduire Comment utiliser l'empaquetage pour les entrées de séquence de longueur variable pour rnn, mais je suppose que je dois d'abord comprendre pourquoi nous devons "emballer" la séquence. Je comprends pourquoi nous devons les «tamponner» mais pourquoi est-il nécessaire de les «emballer» (à travers pack_padded_sequence)? Toute explication de …

93 deep-learning pytorch recurrent-neural-network tensor zero-padding

Questions marquées «tensor»