解决tensorflow中numpy.array创建矩阵后运行softmax失败

最新推荐文章于 2022-03-17 20:02:21 发布
最新推荐文章于 2022-03-17 20:02:21 发布
阅读量564 收藏
点赞数
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.csdn.net/Florentino5/article/details/119889678
版权

报错：

Could not find valid device for node.
Node:{{node Softmax}}

原因及处理:tensorflow框架中，softmax处理数据格式要求为float，所以应将numpy.array创建张量通过tensorflow.cast(张量名，dtype）更改为float格式。

Florentino5
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
tensorflow2数据读取P1: numpy array
qq_19069557的博客
10-26 459
tensorflow2读取数据的方法
numpy实现的soft-max方法
qibinyi2的博客
12-28 7034
numpy实现的soft-max方法soft-max soft-max soft-max 是人工智能领域被大范围的使用的一个方法。 借助numpy的向量运算，可以很容易的实现: import numpy as np def softmax( f ): # 坏的实现: 数值问题 return np.exp(f) / np.sum(np.exp(f)) 但是，上面的实现存在问题。...
求数组的softmax
fgh123的博客
06-24 632
文章目录求数组的softmax 求数组的softmax 居然这么牛逼 我以前以为数组知道了的化肯定还要知道前面的系数才可以去求softmax   import numpy as np a=np.array([4.01,2.01,5.0,3.34]) a=np.exp(a) a/sum(a)#这就是softmax数组啊！！ ...
numpy.array 的维度问题
码灵薯的博客
12-09 2378
numpy.array 的维度
python的array()为什么会报错
如雨繁辰‘s blog
09-25 1419
https://segmentfault.com/q/1010000010859368
将tf.Tensor与np.array相互转换---(已解决)
喵喵love的博客
05-23 9027
之前在使用tensorflow时遇到将Tensor和ndarry形式相互转换的坑，在此记录一下： 1.Tensor转化为ndarry 首先先输入一个Tensor格式的矩阵： z = tf.random_normal([2, 3]) print(z) 输出显示为Tensor格式： Tensor("random_normal_2:0", shape=(2, 3), dtype=float32) 要将以上Tensor格式的矩阵转换为ndarry形式，列举以下两种方法：（都是使用 tf.Session() .
如何实现删除numpy.array中的行或列
01-20
话不多说，直接上代码吧！ import numpy as np A = np.delete(A, 1, 0) # 删除A...以上这篇如何实现删除numpy.array中的行或列就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持软件开发网。
Python过滤掉numpy.array中非nan数据实例
09-16
arr = np.array([1, 2, np.nan, 4, 5, np.nan]) # 使用pd.isnull()函数检查数组中的NaN # 使用布尔索引~（取反）来选择非NaN值 filtered_arr = arr[~pd.isnull(arr)] print(filtered_arr) ``` 在这个例子中，`~pd....
numpy.array 操作使用简单总结
09-18
主要介绍了numpy.array 操作使用简单总结，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧
【tensorflow&python】np.array & tf.random_uniform变量区别
zhouzongzong的博客
07-05 344
import tensorflow as tf import numpy as np cls_prob1 = np.array([[0.5,0.6],[0.5,0.6],[0.5,0.6],[0.5,0.6],[0.5,0.6],[0.5,0.6],[0.5,0.6],[0.5,0.6],[0.5,0.6],[0.5,0.6]]) cls_prob2 = tf.random_uniform([10...
TensorFlow笔记
热门推荐
哈工大许政的博客
09-22 2万+
TensorFlow笔记 本文是基于Windows 10系统环境，进行TensorFlow的学习和使用 Windows 10 PyCharm 一、TensorFlow的简介 1.1 TensorFlow基本概念 1.1.1 张量 张量就是多维数组（列表），用“阶”表示张量的维度 0阶张量 0 阶张量称作标量，表示一个单独的数，例如 S=123 1阶张量 1 阶张量称作向量，表示一个一维数组，例如 V=[1,2,3] 2阶张量 2 阶张量称作矩阵，表示一个二维数组，它可以有 i 行 j 列个元素，每个
numpy array使用
qq_39752339的博客
07-28 305
a=array([[1,1],[1,1]]) 不能少了[]了这个要不然会报错误only 2 non-keyword arguments accepted。
python&tensorflow2.0各种数组详解及相互转化
weixin_67463124的博客
03-17 2439
list、tensor、tuple、dict、dataframe、array的详解及相互转化总结
numpy中array轴线和TensorFlow中tensor的axis
Howe_Young的专栏
07-03 677
在numpy中，array为多维向量，维度 (dimension) 也被称之为轴线（axes)，当维度是2的时候就是个二维矩阵，但是我们经常会搞不清哪个是第一维，哪个是第二维，在numpy中，他的轴线是从最外层到最里层看的。比如a = np.array([[1, 2, 3], [4, 5, 6]])，直接打印出来看到的是一个2行3列的矩阵，如下图那么他的最后一个轴线是在控制台横着打印出来的，就是相...
关于Numpy中array的小细节
yueer8023的博客
06-12 421
关于Numpy中array的小细节 菜鸟的小小笔记，勿喷，多谢!!! 对于这样的报错是因为dtype没有被指定是什么类型，一般来说如果给dtype定义成：dtype=np.int,则默认输出是int64的，可以看下边的图片 可以看到np.int默认是64的，同样，np.float也是默认64的，除非指定dtype=np.int32或者dtype=np.float32。还有一点值得说出的是，对...
Tensorflow中 numpy 数组 操作
糯诺诺米团
10-23 2035
np.linspace(1, 10 , 10) 这个函数的使用是：取1到10之间的数。并且每个显示10个数字。 参数一： 1 ----- >>> 取值的开始数字 参数二：10 ----- >>> 取值的最大值 参数三：10 ----->>> 取10个数字 Result：[ 1. 2. 3. 4. 5. 6. 7. ...
NumPy组件出现 has no attribute ‘array‘ 问题
Loong的博客
07-14 4127
1.首先需要检查当前项目中是否有命名为numpy.py的文件，若是则将名称改掉，否则import的时候回优先导入此文件而不是numpy包 2.若上述解决不了，则可能是numpy包出现了问题，卸载掉并重新安装一下就可以解决 ...
读取图片并且显示，运行，numpy报错：axes don't match array
chenxyelin的博客
10-15 2万+
这是我的代码 def imshow(inp, title=None): inp = inp.numpy().transpose((1, 2, 0)) mean = np.array([(0.5, 0.5, 0.5)]) std = np.array([0.953, 0.898, 1.167]) inp = std * inp + mean inp = np....
以下代码出现input depth must be evenly divisible by filter depth: 1 vs 3错误是为什么，代码应该怎么改import tensorflow as tf from keras.models import Sequential from keras.layers import Dense, Dropout, Flatten from keras.layers import Conv2D, MaxPooling2D from keras.optimizers import SGD from keras.utils import np_utils from keras.preprocessing.image import ImageDataGenerator from keras.applications.vgg16 import VGG16 import numpy # 加载FER2013数据集 with open('E:/BaiduNetdiskDownload/fer2013.csv') as f: content = f.readlines() lines = numpy.array(content) num_of_instances = lines.size print("Number of instances: ", num_of_instances) # 定义X和Y X_train, y_train, X_test, y_test = [], [], [], [] # 按行分割数据 for i in range(1, num_of_instances): try: emotion, img, usage = lines[i].split(",") val = img.split(" ") pixels = numpy.array(val, 'float32') emotion = np_utils.to_categorical(emotion, 7) if 'Training' in usage: X_train.append(pixels) y_train.append(emotion) elif 'PublicTest' in usage: X_test.append(pixels) y_test.append(emotion) finally: print("", end="") # 转换成numpy数组 X_train = numpy.array(X_train, 'float32') y_train = numpy.array(y_train, 'float32') X_test = numpy.array(X_test, 'float32') y_test = numpy.array(y_test, 'float32') # 数据预处理 X_train /= 255 X_test /= 255 X_train = X_train.reshape(X_train.shape[0], 48, 48, 1) X_test = X_test.reshape(X_test.shape[0], 48, 48, 1) # 定义VGG16模型 vgg16_model = VGG16(weights='imagenet', include_top=False, input_shape=(48, 48, 3)) # 微调模型 model = Sequential() model.add(vgg16_model) model.add(Flatten()) model.add(Dense(256, activation='relu')) model.add(Dropout(0.5)) model.add(Dense(7, activation='softmax')) for layer in model.layers[:1]: layer.trainable = False # 定义优化器和损失函数 sgd = SGD(lr=0.01, decay=1e-6, momentum=0.9, nesterov=True) model.compile(optimizer=sgd, loss='categorical_crossentropy', metrics=['accuracy']) # 数据增强 datagen = ImageDataGenerator( featurewise_center=False, featurewise_std_normalization=False, rotation_range=20, width_shift_range=0.2, height_shift_range=0.2, horizontal_flip=True) datagen.fit(X_train) # 训练模型 model.fit_generator(datagen.flow(X_train, y_train, batch_size=32), steps_per_epoch=len(X_train) / 32, epochs=10) # 评估模型 score = model.evaluate(X_test, y_test, batch_size=32) print("Test Loss:", score[0]) print("Test Accuracy:", score[1])
最新发布
04-19
这个错误是由于卷积层(Conv2D)中的过滤器深度与输入张量深度不匹配导致的。在这个例子中，过滤器深度(filter depth)是3，但是输入张量(input depth)的深度是1，无法整除，因此出现错误。为了解决这个问题，我们需要...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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