TensorFlow的数学运算
前言在TensorFlow中既可以使用数学运算符号进行数学运算也可以使用TensorFlow定义好的数学运算方法。
1. 运算符与函数的对应关系
TensorFlow重载了Python运算符，使其能够直接操纵张量（Tensor）。例如：
加法：a + b 等价于 tf.add(a, b)
减法：a - b 等价于 tf.subtract(a, b)
乘法：a * b 等价于 tf.multiply(a, b)
除法：a / b 等价于 tf.divide(a, b)
矩阵乘法：a @ b 等价于 tf.matmul(a, b)
import tensorflow as tf
#定义常量
a = tf.constant(2)
b = tf.constant(3)
# 使用运算符
c1 = a + b# 结果为 5
print(c1.numpy())
# 使用TensorFlow函数
c2 = tf.add(a, b)# 结果相同
print(c2.numpy())
效果如下：
5
5
2.何时必须使用函数？
以下场景需直接调用TensorFlow函数：
归约操纵：如tf.reduce_sum()（求和）、tf.reduce_mean()（求平均）等。
复杂运算：如矩阵乘法（tf.matmul）、卷积（tf.nn.conv2d）、梯度盘算等。
指定参数：如设置盘算轴（axis）、数据范例（dtype）或操纵名称（name）。
聚合运算:
import tensorflow as tf
import numpy as np
x = np.random.randint(0,10, size=(3,6))
x_mean = tf.reduce_mean(x)
# 默认会聚合所有的维度
print(x_mean.numpy())
# 可以指定聚合的轴
x_reduce_mean = tf.reduce_mean(x, axis=0)
print(x_reduce_mean.numpy())
效果如下;
4
矩阵运算:
import tensorflow as tf
import numpy as np
# 矩阵运算
x = np.random.randint(0,10, size=(3,6))
y = np.random.randint(0,10, size=(6,4))
dot = tf.matmul(x, y)
print(dot.numpy())
[
[ 9983 137 122]
]
免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。
页:
[1]