tf.add()、tf.subtract()、tf.multiply()、tf.div()函数的用法

最新推荐文章于 2024-07-19 11:47:33 发布

原创最新推荐文章于 2024-07-19 11:47:33 发布 · 997 阅读

2 ·

CC 4.0 BY-SA版权

文章标签：

#tensorflow #python #机器学习

本文详细介绍了TensorFlow中的tf.add()、tf.subtract()、tf.multiply()和tf.div()四个基本数学运算函数，通过示例展示了它们在标量和矩阵运算中的应用。了解这些函数对于进行深度学习模型的搭建至关重要。

部署运行你感兴趣的模型镜像

tf.add()、tf.subtract()、tf.multiply()、tf.div()函数用法介绍和示例

1. tf.add()

含义：加法操作

示例：

x = tf.constant(2, dtype=tf.float32, name=None)
y = tf.constant(3, dtype=tf.float32, name=None)
z = tf.add(x, y)         # 加法操作

X = tf.constant([[1, 2, 3], [4, 5, 6]], dtype=tf.float32, name=None)
Y = tf.constant([[1, 1, 1], [2, 2 ,2]], dtype=tf.float32, name=None)
Z = tf.add(X, Y)         # 矩阵加法操作，对应位置元素相加

with tf.Session() as sess:
    print(sess.run(z))
    print('='*30)

    print(sess.run(Z))

5.0
==============================
[[2. 3. 4.]
 [6. 7. 8.]]

2. tf.subtract()

含义：减法操作

示例：

x = tf.constant(10, dtype=tf.float32, name=None)
y = tf.constant(4, dtype=tf.float32, name=None)
z = tf.subtract(x, y)         # 减法操作

X = tf.constant([[1, 2, 3], [4, 5, 6]], dtype=tf.float32, name=None)
Y = tf.constant([[1, 1, 1], [2, 2 ,2]], dtype=tf.float32, name=None)
Z = tf.subtract(X, Y)         # 矩阵减法操作，对应位置元素相减

with tf.Session() as sess:
    print(sess.run(z))
    print('='*30)
    
    print(sess.run(Z))

6.0
==============================
[[0. 1. 2.]
 [2. 3. 4.]]

3. tf.multiply()

含义：将两个矩阵中对应元素各自相乘

示例：


import tensorflow as tf
X = tf.constant([[1, 2, 3], [4, 5 ,6]], dtype=tf.float32, name=None)
Y = tf.constant([[1, 1, 1], [2, 2 ,2]], dtype=tf.float32, name=None)
Z = tf.multiply(X, Y)       # 乘法操作，对应位置元素相乘

with tf.Session() as sess:
    print(sess.run(Z))

[[ 1.  2.  3.]
 [ 8. 10. 12.]]

4. tf.div()

含义：除法操作

示例：

x = tf.constant(6, dtype=tf.float32, name=None)
y = tf.constant(3, dtype=tf.float32, name=None)
z = tf.div(x, y)           # 标量/标量

X1 = tf.constant(6, dtype=tf.float32, name=None)
Y1 = tf.constant([[1, 2], [2, 3]], dtype=tf.float32, name=None)
Z1 = tf.div(X1, Y1)        # 标量/矩阵

X2 = tf.constant([[6, 12], [6, 12]], dtype=tf.float32, name=None)
Y2 = tf.constant([[1, 2], [2, 3]], dtype=tf.float32, name=None)
Z2 = tf.div(X2, Y2)        # 矩阵/矩阵，对应元素相除

with tf.Session() as sess:
    print(sess.run(z))
    print('='*30)
    
    print(sess.run(Z1))
    print('='*30)
    
    print(sess.run(Z2))

2.0
==============================
[[6. 3.]
 [3. 2.]]
==============================
[[6. 6.]
 [3. 4.]]

您可能感兴趣的与本文相关的镜像

TensorFlow-v2.15

TensorFlow

TensorFlow 是由Google Brain 团队开发的开源机器学习框架,广泛应用于深度学习研究和生产环境。它提供了一个灵活的平台,用于构建和训练各种机器学习模型