免费AI编程助手
TensorFlow 数学函数
2019-01-31 18:11 更新
注意：接受 Tensor 参数的函数也可以接受被 tf.convert_to_tensor 接受的任何内容.
注意：TensorFlow 中的元素的二进制操作遵循 numpy 式广播。
TensorFlow 算术运算符
TensorFlow 提供了几种操作，您可以使用它们将基本算术运算符添加到图形中。
- tf.add
- tf.subtract
- tf.multiply
- tf.scalar_mul
- tf.div
- tf.divide
- tf.truediv
- tf.floordiv
- tf.realdiv
- tf.truncatediv
- tf.floor_div
- tf.truncatemod
- tf.floormod
- tf.mod
- tf.cross
TensorFlow 基本数学函数
TensorFlow 提供了几种可用于向图形添加基本数学函数的操作。
- tf.add_n
- tf.abs
- tf.negative
- tf.sign
- tf.reciprocal
- tf.square
- tf.round
- tf.sqrt
- tf.rsqrt
- tf.pow
- tf.exp
- tf.expm1
- tf.log
- tf.log1p
- tf.ceil
- tf.floor
- tf.maximum
- tf.minimum
- tf.cos
- tf.cosh
- tf.sin
- tf.lbeta
- tf.tan
- tf.acos
- tf.asin
- tf.atan
- tf.lgamma
- tf.digamma
- tf.erf
- tf.erfc
- tf.squared_difference
- tf.igamma
- tf.igammac
- tf.zeta
- tf.polygamma
- tf.betainc
- tf.rint
TensorFlow 矩阵数学函数
TensorFlow 提供了几种操作，您可以使用它们将曲线上的线性代数函数添加到图形中。
- tf.diag
- tf.diag_part
- tf.trace
- tf.transpose
- tf.eye
- tf.matrix_diag
- tf.matrix_diag_part
- tf.matrix_band_part
- tf.matrix_set_diag
- tf.matrix_transpose
- tf.matmul
- tf.norm
- tf.matrix_determinant
- tf.matrix_inverse
- tf.cholesky
- tf.cholesky_solve
- tf.matrix_solve
- tf.matrix_triangular_solve
- tf.matrix_solve_ls
- tf.qr
- tf.self_adjoint_eig
- tf.self_adjoint_eigvals
- tf.svd
TensorFlow 张量数学函数
TensorFlow 提供可用于向图形添加张量函数的操作。
TensorFlow 复数函数
TensorFlow 提供了多种操作,您可以使用它们将复数函数添加到图形中。
TensorFlow 减少张量的计算
TensorFlow 提供了几种操作，您可以使用这些操作来执行减少张量的各种维度的常规数学计算。
- tf.reduce_sum
- tf.reduce_prod
- tf.reduce_min
- tf.reduce_max
- tf.reduce_mean
- tf.reduce_all
- tf.reduce_any
- tf.reduce_logsumexp
- tf.count_nonzero
- tf.accumulate_n
- tf.einsum
TensorFlow 张量扫描
TensorFlow 提供了几种操作，您可以使用它们在张量的一个轴上执行扫描(运行总计)。
分段
TensorFlow 提供了几种可用于在张量片段上执行常规数学计算的操作。这里，分割是沿着第一维度的张量的分割，即它定义从第一维度到的映射 segment_ids.segment_ids 张量应该是第一尺寸的大小，d0与在范围内的连续的ID 0到k，在那里 k<d0。特别地,矩阵张量的分割是行到段的映射。
例如：
c = tf.constant([[1,2,3,4], [-1,-2,-3,-4], [5,6,7,8]])
tf.segment_sum(c, tf.constant([0, 0, 1]))
==> [[0 0 0 0]
[5 6 7 8]]- tf.segment_sum
- tf.segment_prod
- tf.segment_min
- tf.segment_max
- tf.segment_mean
- tf.unsorted_segment_sum
- tf.sparse_segment_sum
- tf.sparse_segment_mean
- tf.sparse_segment_sqrt_n
序列比较和索引
TensorFlow 提供了几种操作,您可以使用它们将序列比较和索引提取添加到图形中.您可以使用这些操作来确定序列差异,并确定张量中特定值的索引.
- tf.argmin
- tf.argmax
- tf.setdiff1d
- tf.where
- tf.unique
- tf.edit_distance
- tf.invert_permutation
以上内容是否对您有帮助：
更多建议：