Numpy 在Tensorflow中将三维张量缩减为一维张量
假设有一个形状为[a,b,c]的三维张量。 我想在模型运行时提取一维,例如[4,2,c],因此我将得到一维张量[c] a和b的参数存储在形状为[a,1]和[b,1]的不同张量中,因此使用tf.slice不是一个选项,因为tf.slice只接受一维标量张量 有什么想法吗Numpy 在Tensorflow中将三维张量缩减为一维张量,numpy,tensorflow,matrix-multiplication,Numpy,Tensorflow,Matrix Multiplication,假设有一个形状为[a,b,c]的三维张量。 我想在模型运行时提取一维,例如[4,2,c],因此我将得到一维张量[c] a和b的参数存储在形状为[a,1]和[b,1]的不同张量中,因此使用tf.slice不是一个选项,因为tf.slice只接受一维标量张量 有什么想法吗 谢谢 可能需要使用tf.split拆分张量 存储在不同张量中的a和b参数是什么意思?。这些参数用于什么?。你能举个python/numpy的例子吗?
谢谢 可能需要使用
tf.split
拆分张量
存储在不同张量中的
a
和b
参数是什么意思?。这些参数用于什么?。你能举个python/numpy的例子吗?