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)

图片[1]-人工智能深度学习入门练习之(18)TensorFlow – 张量运算-唐朝资源网

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)

图片[2]-人工智能深度学习入门练习之(18)TensorFlow – 张量运算-唐朝资源网

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。

图片[3]-人工智能深度学习入门练习之(18)TensorFlow – 张量运算-唐朝资源网

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

输出

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

© 版权声明
THE END
喜欢就支持一下吧
点赞8 分享
评论 抢沙发
头像
欢迎您留下宝贵的见解!
提交
头像

昵称

取消
昵称表情代码图片