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)

1. import tensorflow as tf
3. #  定义常量
4. a = tf.constant(2)
5. b = tf.constant(3)
8. # 使用运算符
9. c1 = a + b  # 结果为 5
10. print(c1.numpy())
12. # 使用TensorFlow函数
13. c2 = tf.add(a, b)  # 结果相同
14. print(c2.numpy())

复制代码

效果如下：

1. 5
2. 5

复制代码

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:

1. import tensorflow as tf
2. import numpy as np
4. x = np.random.randint(0,10, size=(3,6))
5. x_mean = tf.reduce_mean(x)
6. # 默认会聚合所有的维度
7. print(x_mean.numpy())
9. # 可以指定聚合的轴
10. x_reduce_mean = tf.reduce_mean(x, axis=0)
11. print(x_reduce_mean.numpy())

复制代码

效果如下;

1. 4
2. [3 4 6 1 5 5]

复制代码

矩阵运算:

1. import tensorflow as tf
2. import numpy as np
4. # 矩阵运算
5. x = np.random.randint(0,10, size=(3,6))
6. y = np.random.randint(0,10, size=(6,4))
7. dot = tf.matmul(x, y)
8. print(dot.numpy())

复制代码

1. [[129  73 184 121]
2. [ 99  83 137 122]
3. [137  63 121  97]]

复制代码

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。