人工智能深度学习入门练习之（18）TensorFlow – 张量运算

现在我们知道了如何创建张量，让我们了解一下张量操作。

包含很多基本的张量运算，让我们从一个简单的平方运算开始。

求平方，使用 tf.sqrt(x) 函数，其中 x 是浮点数。

import tensorflow as tf
x = tf.constant([2.0], dtype = tf.float32)
print(tf.sqrt(x))

输出

Tensor("Sqrt:0", shape=(1,), dtype=float32)     

注意：返回一个张量对象，而不是2的平方的结果。这里打印的是张量定义，而不是运算的实际值。在接下来的章节中，我们将介绍如何执行该操作。

以下是常用算术运算的列表。用法类似，每个操作都需要一个或多个参数。

例子

import tensorflow as tf
# Add
# 创建两个张量: 一个带1和2的张量, 一个3和4的张量
tensor_a = tf.constant([[1, 2]], dtype = tf.int32)

tensor_b = tf.constant([[3, 4]], dtype = tf.int32)
# 把两个张量加起来
tensor_add = tf.add(tensor_a, tensor_b)

print(tensor_add)   

输出

Tensor("Add:0", shape=(1, 2), dtype=int32)      

注意：两个张量需要具有相同的形状才能相加。

你也可以将这两个张量相乘。

# Multiply
tensor_multiply = tf.multiply(tensor_a, tensor_b)
print(tensor_multiply)          

输出

Tensor("Mul:0", shape=(1, 2), dtype=int32)