96 条“记忆张量” 相关内容
- TensorFlow指南 | GuideTensors
Tensors
张量 正如名称所示，TensorFlow是定义和运行涉及张量的计算的框架。张量是向量和矩阵的一般化到潜在的更高的尺寸。在内部，TensorFlow将张量表示为基本数据类型的n维数组。
- TensorFlow教程 | TutorialsLarge-scale Linear Models with TensorFlow（TensorFlow的大型线性模型）
Large-scale Linear Models with TensorFlow（TensorFlow的大型线性模型）
具有张量流的大规模线性模型 tf.estimatorAPI为TensorFlow中的线性模型提供了一套丰富的工具（除其他外）。本文档提供了这些工具的概述。它说明： 线性模型是什么。
- TensorFlow指南 | GuideDebugging TensorFlow Programs（调试TensorFlow程序）
Debugging TensorFlow Programs（调试TensorFlow程序）
- TensorFlow指南 | GuideFrequently Asked Questions（问的频率最高的问题）
Frequently Asked Questions（问的频率最高的问题）
通常情况下，你有一定的张量，比如输入，总是会被输入。该tf.placeholder操作允许您定义必须被输入的张量，并且还可以选择允许您限制其形状。
- TensorFlow教程 | TutorialsA Guide to TF Layers: Building a Convolutional Neural Network（TF层指南:构建卷积神经网络）
A Guide to TF Layers: Building a Convolutional Neural Network（TF层指南:构建卷积神经网络）
这些方法中的每一个都接受张量作为输入，并将变换后的张量作为输出返回。这样可以很容易地将一个图层连接到另一个图层：只需从一个图层创建方法获取输出并将其作为输入提供给另一个图层。
- TensorFlow扩展 | ExtendAdding a New Op（添加一个新Op）
Adding a New Op（添加一个新Op）
为了看看它是如何工作的，假设你想创建一个运算符，该运算符需要张量int32s并输出张量的副本，除第一个元素之外的所有元素都设置为零。为此，请创建一个名为的文件zero_out.cc。
- TensorFlow开始 | Get StartedTensorBoard: Graph Visualization（TensorBoard:图形可视化）
TensorBoard: Graph Visualization（TensorBoard:图形可视化）
- C++应用 | Utilitiesstd::pmr::null_memory_resource
std::pmr::null_memory_resource
STD：：PMR：：NULL[医]记忆[医]资源 [表格] 返回指向memory_resource执行任何分配。 返回值 返回指针p对象派生的类型的静态存储持续时间对象。
- TensorFlow表现 | PerformanceHigh-Performance Models（高性能的模型）
High-Performance Models（高性能的模型）
- TensorFlow指南 | GuideProgrammer's Guide（程序指南）
Programmer's Guide（程序指南）
张量，解释如何创建，操作和访问张量-TensorFlow中的基本对象。变量，详细说明如何在程序中表示共享的持久状态。图表和会话，它解释了：数据流图，TensorFlow将计算表示为运算之间的依赖关系。
- TensorFlow开始 | Get StartedBuilding Input Functions with tf.estimator（使用tf.estimator建立输入函数）
Building Input Functions with tf.estimator（使用tf.estimator建立输入函数）
对于稀疏的分类数据（大多数值为0的数据），您将改为填充一个使用三个参数实例化的SparseTensor数据： dense_shape张量的形状。获取一个列表，指出每个维度中元素的数量。
- TensorFlow开始 | Get StartedTensorFlow Mechanics 101（TensorFlow力学101）
TensorFlow Mechanics 101（TensorFlow力学101）
- TensorFlow指南 | GuideGraphs and Sessions（图表和会话）
Graphs and Sessions（图表和会话）
- TensorFlow开始 | Get StartedDeep MNIST for Experts（针对专家的深度MNIST）
Deep MNIST for Experts（针对专家的深度MNIST）
- TensorFlow表现 | PerformanceHow to Quantize Neural Networks with TensorFlow（如何量化神经网络的张力?）
How to Quantize Neural Networks with TensorFlow（如何量化神经网络的张力?）
[图片] min和max操作实际上查看输入浮点张量中的值，然后将它们馈送到Dequantize操作中，该操作将张量转换为8位。关于量化表示后来如何工作的更多细节。
- MobX工具函数createTransformer
createTransformer
:A)=>void):(value:A)=>B createTransformer将一个函数(此函数值A转换为值B)转换为响应式且有记忆功能的函数。
- TensorFlow指南 | GuideVariables（变量）
Variables（变量）
tf.Variable代表张量，通过运行op可以改变它的值。与tf.Tensor对象不同，tf.Variable存在于单个session.run调用的上下文之外。
- C++应用 | Utilitiesstd::pmr::new_delete_resource
std::pmr::new_delete_resource
腾讯云开发者
扫码关注腾讯云开发者
领取腾讯云代金券
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号