使用tf.boolean_mask()
时,会引发值错误。它读取"必须指定掩模尺寸的数量,即使某些尺寸为无。例如。 shape = [None]没问题,但shape = None不行。
我怀疑在创建布尔掩码时会出现问题,因为当我手工创建一个布尔掩码时,一切正常。但是,到目前为止,我已经检查了s的形状和类型,并且无法发现任何可疑的东西。两者似乎都与我手工创建的布尔掩码的形状和类型相同。
Please see a screenshot of the problem. 以下内容应允许您在计算机上重现错误。你需要tensorflow,numpy和scipy。
with tf.Session() as sess:
# receive five embedded vectors
v0 = tf.constant([[3.0,1.0,2.,4.,2.]])
v1 = tf.constant([[4.0,0,1.0,4,1.]])
v2 = tf.constant([[1.0,1.0,0.0,4.,8.]])
v3 = tf.constant([[1.,4,2.,5.,2.]])
v4 = tf.constant([[3.,2.,3.,2.,5.]])
# concatenate the five embedded vectors into a matrix
VT = tf.concat([v0,v1,v2,v3,v4],axis=0)
# perform SVD on the concatenated matrix
s, u1, u2 = tf.svd(VT)
e = tf.square(s) # list of eigenvalues
v = u1 # eigenvectors as column vectors
# sample a set
s = tf.py_func(sample_dpp_bin,[e,v],tf.bool)
X = tf.boolean_mask(VT,s)
print(X.eval())
这是生成s的代码。 s是来自决定性点过程的样本(对于数学上感兴趣的)。 请注意,我使用tf.py_func来包装此python函数:
import tensorflow as tf
import numpy as np
from scipy.linalg import orth
def sample_dpp_bin(e_val,e_vec):
# e_val = np.array of eigenvalues
# e_vec = array of eigenvectors (= column vectors)
eps = 0.01
# sample a set of eigenvectors
ind = (np.random.rand(len(e_val)) <= (e_val)/(1+e_val))
k = sum(ind)
if k == e_val.size:
return np.ones(e_val.size,dtype=bool) # check for full set
if k == 0:
return np.zeros(e_val.size,dtype=bool)
V = e_vec[:,np.array(ind)]
# sample a set of k items
sample = np.zeros(e_val.size,dtype=bool)
for l in range(k-1,-1,-1):
p = np.sum(V**2,axis=1)
p = np.cumsum(p / np.sum(p)) # item cumulative probabilities
i = int((np.random.rand() <= p).argmax()) # choose random item
sample[i] = True
j = (np.abs(V[i,:])>eps).argmax() # pick an eigenvector not orthogonal to e_i
Vj = V[:,j]
V = orth(V - (np.outer(Vj,(V[i,:]/Vj[i]))))
return sample
如果我打印s和tf.reshape(s)
的输出是
[False True True True True]
[5]
如果我打印VT并且tf.reshape(VT)
是
[[ 3. 1. 2. 4. 2.]
[ 4. 0. 1. 4. 1.]
[ 1. 1. 0. 4. 8.]
[ 1. 4. 2. 5. 2.]
[ 3. 2. 3. 2. 5.]]
[5 5]
任何帮助非常感谢。
答案 0 :(得分:1)
以下示例适用于我。
imagesAdi.getImages()
.map { list -> list.map { chooseRaceMapper.invoke(it) } }
.doOnSuccess { }
输出:
public class YourActivity extends ActionBarActivity {
@Override
protected void onCreate(Bundle savedInstanceState) {
super.onCreate(savedInstanceState);
setContentView(R.layout.fragment_menu_category);
recyclerView = (RecyclerView) findViewById(R.id.food_menu);
GridLayoutManager mGrid = new GridLayoutManager(this, 2);
recyclerView.setLayoutManager(mGrid);
recyclerView.setHasFixedSize(true);
}
}
提供可运行的代码段以重现错误。我想你可能在做错了。
import tensorflow as tf
import numpy as np
tensor = [[1, 2], [3, 4], [5, 6]]
mask = np.array([True, False, True])
t_m = tf.boolean_mask(tensor, mask)
sess = tf.Session()
print(sess.run(t_m))
掩码应该是np数组而不是TF张量。您不必使用tf.pyfunc。
答案 1 :(得分:0)
错误消息指出未定义蒙版的形状。如果您打印tf.shape(s)
,您会得到什么?我打赌您的代码问题是s
的形状完全未知,您可以使用s.set_shape((None))
这样的简单调用来解决这个问题(只需指定s
是一维张量)。请考虑以下代码段:
X = np.random.randint(0, 2, (100, 100, 3))
with tf.Session() as sess:
X_tf = tf.placeholder(tf.int8)
# X_tf.set_shape((None, None, None))
y = tf.greater(tf.reduce_max(X_tf, axis=(0, 1)), 0)
print(tf.shape(y))
z = tf.boolean_mask(X_tf, y, axis=2)
print(sess.run(z, feed_dict={X_tf: X}))
这会打印Tensor("Shape_3:0", shape=(?,), dtype=int32)
的形状(即使y
的尺寸都未知)并返回与您相同的错误。但是,如果您取消注释set_shape
行,则X_tf
已知为3维,因此s
为1维。然后代码工作。所以,我认为您需要做的就是在s.set_shape((None))
来电后添加py_func
来电。