TensorFlow学习笔记--（2）张量的常用运算函数

最新推荐文章于 2024-12-05 00:56:20 发布
原创 最新推荐文章于 2024-12-05 00:56:20 发布 · 995 阅读 · 0 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#tensorflow #学习 #笔记

本文介绍了如何在TensorFlow中计算张量的平均值、最小值、最大值、和以及轴向操作。此外，还涵盖了张量的四则运算、次方和开方，强调了这些运算不改变张量形状的特点。同时，文中提到了矩阵乘法和张量特征值与标签的一对一配对方法。

张量的取值函数

在这里插入图片描述

求张量的平均值: tf.reduce.mean(%张量名%)

求张量的最小值:tf.reduce_min(%张量名%)

求张量的最大值:tf.reduce_max(%张量名%)

求张量的和:tf.reduce_sum(%张量名%)

其次,对于上述所有操作 都可在函数后添加一个新的参数 axis=%维度%
axis=0 代表第一维度 axis=1 代表第二维度 以此类推

张量的四则运算

加减乘除

在这里插入图片描述

次方/开方

在这里插入图片描述
特别注意 这里张量的各种运算是不改变形状的 并不是矩阵直接的乘法
而是每个元素在对应位置的运算 不改变张量的shape

例如 tf.square([[3 3 3]]) = [[9 9 9]]

矩阵乘法

在这里插入图片描述
3x2矩阵 X 2x3矩阵 = 3x3矩阵

张量的特征值与标签配对

在这里插入图片描述
定义features为二阶矩阵 代表了一个特征值
定义labels也为二阶矩阵 代表了一个标签
使用tf.data.Dataset.from_tensor_slices( (%特征值%,%标签%) )进行配对
再对dataset进行打印操作 可发现特征值与标签已完成了一一配对

TensorFlow进阶一（张量的范数、最值、均值、和函数、张量的比较）
需要远程指导仿真实验、代码有问题的，请后台私信或者关注公众号
04-25 1136
TensorFlow进阶一（张量的范数、最值、均值、和函数、张量的比较）
【pytorch】torch.mean的使用
安安爸Chris的专栏
08-05 9017
torch.mean是对torch.Tensor取均值。具体怎么使用，请看下面的例子 不指定维度求均值 如果不指定维度，是对Tensor里所有元素求均值，最后计算出来的结果是一个标量。 a = torch.Tensor([0, 1, 2, 3, 4, 5]).view(2, 3, 1) print(a) mean = torch.mean(a) print(mean, mean.shape) 结果如下： 指定其中一维 如果指定了某一维度，那么剩下的所有元素算均值。 下面的例子是对（2，3，1）Tens
tensorflow随笔-求平均值的函数
The research on computer technolog
04-06 2478
求平均值的函数 reduce_mean axis为1表示求行 axis为0表示求列 >>> xxx=tf.constant([[1., 10.],[3.,30.]]) >>> sess.run(xxx) array([[ 1., 10.], [ 3., 30.]], dtype=float32) >>> mymean=tf...
tf.reduce_mean
weixin_42588672的博客
01-06 367
tf.reduce_mean是TensorFlow中的一个函数，用于计算张量的平均值。它可以将张量的每个元素的平均值求出来。 使用方法： tf.reduce_mean(input_tensor,axis=None, keepdims=False, name=None) ...
[Pytorch]Pytorch中tensor常用语法——张量数学运算
Fighting Hua
06-16 2200
原文地址：https://zhuanlan.zhihu.com/p/31494491 上次我总结了在PyTorch中建立随机数Tensor的多种方法的区别。这次我把常用的Tensor的数学运算总结到这里，以防自己在使用PyTorch做实验时，忘记这些方法应该传什么参数。总结的方法包括：Tensor求和以及按索引求和：torch.sum() torch.Tensor.indexadd()Tensor元素乘积：torch.prod(input)对Tensor求均值、方差、极值：torch.mean().
TensorFlow学习笔记----3.常用函数2
qq_35821503的博客
09-03 661
一.Gradient tape 我们可以在with结构中，使用Gradient tape实现某个函数对指定参数的求导运算 配合上一个文件讲的variable函数可以实现损失函数loss对参数w的求导计算 with结构记录计算过程，gradient求出张量的梯度 with tf.GradientTape()as tape: 若干个计算过程 grad=tape.gradient(函数，对谁求导) with tf.GradientTape() as tape: w=tf.Variab.
TensorFlow 学习笔记--基础文本分类
最新发布
小陈的博客，持续学习中--
12-05 1755
官网的教程代码有一些问题：1.调用文件夹时，官网的调用方式有错。2.测试函数，vetorize_text()调用vectorize_layer 后没有返回值，3.模型编译时 ，metics少加了[]。4.最后新的数据要转为张量才能用来预测。 这个笔记里代码里都改过来了
【TensorFlow】学习笔记-TensorFlow 是什么？
小陈的博客，持续学习中--
11-29 501
（张量）是多维数组的抽象表示，可以存储数据，是TensorFlow的基本计算单位，支持标量（0D张量)，向量（1D张量)，矩阵（2D张量），高维矩阵（3D张量）。：用于机器学习环境的工具库，涵盖数据验证，数据转换，模型部署等方面，可以帮助用户完成数据预处理到模型部署的整个流程。:基础核心功能，包括了计算图的定义和优化，Tensor数据类型的处理，如加，减，矩阵乘法，自动求导等。:TensorFlow提供一系列对张量操作的函数，例如加法，矩阵乘法，卷积等。：张量维度的大小，（3，2）表示3行2列。
斯坦福大学Tensorflow课件笔记-入门与高级教程
斯坦福大学在机器学习和人工智能领域享有盛誉，提供的TensorFlow课件笔记是一份宝贵的资源，尤其是对于那些希望深入学习和掌握TensorFlow这一强大机器学习框架的开发者和研究人员。TensorFlow是由谷歌大脑团队开发的...
TensorFlow学习笔记------前向传播算法知识点
WilliamCode的博客
11-03 573
针对回归问题与分类问题，学习前向传播算法 1、前向传播算法： 全连接：指前一层所有节点都有一个向量指向下一层的每个节点。 以判断零件是否合格为例，向前传播算法需要三部分信息： 输入：零件质量、零件长度。 神经网络的连接 输出节点 该算法可以表示成矩阵运算。 矩阵乘法用tf.matmul(x,y)进行运算。 2、神经网络中给随机数很常见，方法为： #正态分布随机数 weights = tf.Vari...
浅谈tensorflow中张量的提取值和赋值
12-23
tf.gather和gather_nd从params中收集数值，tf.scatter_nd 和 tf.scatter_nd_update用updates更新某一张量。严格上说，tf.gather_nd和tf.scatter_nd_update互为逆操作。 已知数值的位置，从张量中提取数值：tf.gather, tf.gather_nd tf.gather indices每个元素（标量）是params某个axis的索引，tf.gather_nd 中indices最后一个阶对应于索引值。 tf.gather函数 函数原型 gather( params, indices, validate_
chapter6 张量（tensor）及运算
weixin_45104951的博客
03-16 1312
1.向量是一阶张量，矩阵是二阶张量。 张量算法：按元素相加，A+B；按元素相乘，Hadamard积 A*B #创建两个4*4的张量 import torch A = torch.arange(16).reshape(4,4) print("A=",A) B = A print("B=",B) out： A= tensor([[ 0, 1, 2, 3], [ 4, 5, 6, 7], [ 8, 9, 10, 11], [12, 13, 14
tensorflow中张量的提取值和赋值操作
信道者
06-24 2万+
tf.gather tf.gather_nd tf.scatter_nd tf.scatter_nd_update 的说明
tensorflow 中查看张量值的方法
热门推荐
粉红豹的妖精洞
11-02 3万+
在调试用TensorFlow编写的程序的时候，需要知道某个tensor的值是什么。直接print只能打印输出张量的shape，dtype等信息，而要查看张量的值的方法如下： 【1】用class tf.Session或 class tf.InteractiveSession类中的eval 例如：
TensorFlow-求均值与求和
LMengi000的博客
04-20 804
import tensorflow as tf x = tf.constant([[1,2,3],[2,2,3]]) print("x:",x) print("mean of x:",tf.reduce_mean(x)) #对所有数值求均值 print("sum of x:",tf.reduce_sum(x,axis=1)) #分别对1，2，3与2，2，3求和 """ x: tf.Tensor( [[1 2 3] [2 2 3]], shape=(2, 3), dtype=int32) me...
深度学习基础-常用函数
weixin_47079718的博客
04-26 2500
基础 1、 强制tensor转换为该数据类型 tf.cast(张量名,dtype=数据类型） 2、计算张量维度上元素的最小值 tf.reduce_min(张量名) 3、计算张量维度上元素的最大值 tf.reduce_max(张量名) 4、计算方向axis import tensorflow as tf import numpy as np x=tf.constant([[2,4,8],[1,3,5]]) x=tf.cast(x,float) print(x) print('平均值为') print(tf.c
tensorflow如何取平均_『TensorFlow』滑动平均
weixin_42305163的博客
01-17 235
滑动平均会为目标变量维护一个影子变量，影子变量不影响原变量的更新维护，但是在测试或者实际预测过程中(非训练时)，使用影子变量代替原变量。1、滑动平均求解对象初始化ema = tf.train.ExponentialMovingAverage(decay,num_updates)参数decay`shadow_variable = decay * shadow_variable + (1 - deca...
tensorflow如何取平均_tensorflow-求平均值的函数
weixin_39994270的博客
01-30 1334
axis为0表示求列>>> xxx=tf.constant([[1., 10.],[3.,30.]])>>> sess.run(xxx)array([[ ?1., ?10.],? ? ? ?[ ?3., ?30.]], dtype=float32)>>> mymean=tf.reduce_mean(xxx,0)>>> sess...
TensorFlow初步-张量的基本运算
工科狗Niko的博客
01-15 766
TensorFlow简介：https://tensorflow.google.cn/ 一. TensorFlow内的基本概念 图的构建 1.初始化图 tf.reset_default_graph() 用于清除默认图形堆栈并重置全局默认图形. 2.构建新的图 g1 = tf.Graph() g2 = tf.Graph() 3.在图中定义张量 with g1.as_default(): a = tf.constant([1.0, 1.0]) b = tf.constant([1.0, 1.0]) resu
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值