Tensorflow 如何根据2D索引收集日志?
假设序列Tensorflow 如何根据2D索引收集日志?,tensorflow,keras,Tensorflow,Keras,假设序列[[2,1,4],[3,4,2]是由预先训练的LSTM生成的。它的维度是(2*3)意味着每个样本中批次大小=2和3个时间步 例如,总共有5个功能,因此登录可能是: [[[0.2, 0.2, 0.1, 0.1, 0.2], [0.3, 0.2, 0.1, 0.1, 0.1], [0.1, 0.2, 0.1, 0.1, 0.3]], [[0.2, 0.2, 0.1, 0.1, 0.2], [0.2, 0.2, 0.1, 0.1, 0.2], [0.2, 0.2, 0.1,
[[2,1,4],[3,4,2]
是由预先训练的LSTM生成的。它的维度是(2*3)
意味着每个样本中批次大小=2
和3个时间步
例如,总共有5个功能
,因此登录可能是:
[[[0.2, 0.2, 0.1, 0.1, 0.2],
[0.3, 0.2, 0.1, 0.1, 0.1],
[0.1, 0.2, 0.1, 0.1, 0.3]],
[[0.2, 0.2, 0.1, 0.1, 0.2],
[0.2, 0.2, 0.1, 0.1, 0.2],
[0.2, 0.2, 0.1, 0.1, 0.2]]]
我想使用序列作为索引,从每个样本和每个时间步的logits中获得相应的概率。关于上面的例子,我想要得到的最终结果是
[[0.1, 0.2, 0.3],[0.1, 0.2, 0.1]]
我知道我可能需要tf.stack(),但我对如何处理维度感到困惑。谢谢你的帮助 我想我找到了办法
tf.losses.sparse_softmax_cross_entropy(labels = None, logits = None)
labels
是索引,logits
是模型的输出