試試這個：def serving_input_receiver_fn(): ink = tf.placeholder(dtype=tf.float32, shape=[None, None, 3], name='ink') length = tf.placeholder(dtype=tf.int64, shape=[None, 1]) features = {"ink": inks, "length": lengths} return tf.estimator.export.ServingInputReceiver(features, features)一個示例有效載荷是：{"instances": [{"ink": [[0.1, 1.0, 2.0]], "length":[[1]]}]}或作為輸入gcloud predict --json-instances：{"ink": [[0.1, 1.0, 2.0]], "length":[[1]]}]我沒有研究實際代碼；如果墨水通常會容納大量浮點數，您可能需要考慮替代編碼系統。
1 回答
瀟瀟雨雨
TA貢獻1833條經驗 獲得超4個贊
是的，
您可以使用 np.cumsum(z) 再次創建一個帶有 sum(z_i) 和 np.exp() 的數組來計算您想要的內容，然后將其與 a_0 相乘。
a_0 = 27
z = np.array([1,2,3])
cs = np.cumsum(z)
result = np.exp(cs)*a_0
添加回答
舉報
0/150
提交
取消