tf.abs()

最新推荐文章于 2020-12-23 16:59:16 发布
原创 最新推荐文章于 2020-12-23 16:59:16 发布 · 1.3w 阅读 · 11 ·
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。

tf.abs()就是求数值的绝对值，可以将多个数值传入list，统一求绝对值

import tensorflow as tf

x = tf.constant(-1)
y = tf.constant([-1 + 2j, -2])
sess = tf.Session()
print(sess.run(tf.abs(x))) #1
print(sess.run(tf.abs(y))) #[ 2.23606798，2.        ]
tf第四讲：tf中的循环tf.while_loop，条件tf.cond，比较、数学运算、类型转换
weixin_43178406的博客
08-21 1万+
本文主要介绍了tf第四讲：tf中的循环tf.while_loop，条件tf.cond，比较、数学运算、类型转换，希望能对学习TensorFlow的同学有所帮助。 文章目录 1. tensorflow中的比较函数与类型转换 2. tensorflow中的数学运算 2.1 常用数学运算 2.2 更改tensor的shape 2.3 矩阵数学函数 2.4 reduce相关函数 3. tensorflow如何使用条件句:tf.cond 4. tf中如何使用循环
python abs()函数
快递小可的博客
08-04 6850
python abs()函数
Tensorflow源码分析--tf.abs()
jiangzhenkang的博客
06-15 4514
Tensorflow源码分析–abs 标签（空格分隔）： Tensorflow tf.abs() import tensorflow as tf x = tf.constant([[-2.25 + 4.75j], [-3.25 + 5.75j]]) sess = tf.Session() print(sess.run(tf.abs(x))) >>>[[5.2559...
python tf_TensorFlow发布重要更新AutoGraph，自动将Python转化为TF计算图
weixin_39849800的博客
12-20 169
近日，谷歌发布了一项新的 TensorFlow 工具「AutoGraph」，能将 print() 函数和其它 Python 代码转化为纯 TensorFlow 计算图代码。这一工具极大地加强了 TensorFlow 在调用纯 Python 语句时的性能，开发者可以轻松在 TensorFlow 上实现更好的模型性能。项目https://github.com/tensorflow/tensorflow...
tf.abs tf.add() tf.negative()
UESTC_201722的博客
10-16 2491
随心一记(没什么营养) tf.abs 求绝对值的 tf.add() 相加的 支持broadacst tf.negative() 取反的 理由有这样的需求 求两个tensor的相减的结果 tf.add(tensor1,tf.negtive(temsor2)) 机器学习中的NN 实现出处: 数据下载 import tensorflow as tf import numpy as np # Impo...
python中tf.abs_【TensorFlow重大升级】自动将Python代码转为TF Graph，大幅简化动态图处理！-阿里云开发者社区...
weixin_39752352的博客
12-23 188
【新智元导读】TensorFlow发布重大功能改进AutoGraph，能自动将Python代码转换为TensorFlow Graph，TF动态图处理速度大幅提升！今天，TensorFlow团队发布新功能“AutoGraph”，能自动将Python代码(包括控制流，print () 和其他Python原生特征)转换为纯TensorFlow图代码(pure TensorFlow graph code)...
java之xml
梦想是很难很难的，所以先勇敢一点
04-05 322
常见的解析开发包(能处理xml的也可以处理html) xml解析原理 dom4j常用API
tf.where( tf.logical_and(lower_corner <= points, points <= upper_corner), tf.abs(points - centres) / widths_p1, widths_p1 * tf.abs(points - centres) - (widths / 2) * (widths_p1 - 1 / widths_p1), )分析一下这段代码
05-16
其中，tf.abs(points - centres) / widths_p1 表示点到中心点距离的比例，widths_p1 * tf.abs(points - centres) 表示点到中心点距离的总长度，(widths / 2) * (widths_p1 - 1 / widths_p1) 则表示点到区间边缘的...
LightGBM 如何实现如下的自定义损失：def CustomHuber(y_true, y_pred): error = tf.abs(y_true - y_pred) condition2 = error < 0.05 mse1 = tf.math.pow(1.0+error, 8.0) mse3 = tf.math.pow(error, 4.0) return tf.where(condition2, mse3, mse1)，
08-13
abs_error = tf.abs(error) quadratic = tf.minimum(abs_error, delta) linear = abs_error - quadratic loss = 0.5 * quadratic**2 + delta * linear # 计算梯度：对每个样本的预测值求导 grad = tf....
def evaluate(inp_SNR,noise,eq_flag,epsilon=1e-12): s_logits = logit_model(inp_SNR) s = s_model(s_logits) soft_bits = soft_bit_encoder(s) hard_bits = hard_decision_on_bit(soft_bits) enc = Trans_model_bit(hard_bits) bit_set = tf.math.mod(tf.bitwise.right_shift(tf.expand_dims(symbol_set,1), tf.range(bitlen)), 2) bit_set = tf.reverse(bit_set, axis = [-1]) constellation = Trans_model_bit(bit_set) constellation = constellation - tf.reduce_mean(constellation) constellation = tf.expand_dims(constellation, 0) p_s = tf.nn.softmax(s_logits) norm_factor= tf.math.rsqrt(tf.maximum(p_norm(p_s, constellation),epsilon)) norm_constellation = r2c(norm_factor) * constellation should_always_be_one = p_norm(p_s, norm_constellation) x = r2c(norm_factor) * enc Tx = upsample_pulse_shaping(x, Fs, PS_filter) Rx = Tx + noise y = Model_Eq(Rx) entropy_S = -p_norm(p_s, p_s, lambda x: log2(x)) GMI = GMIcal_tf(x,tf.squeeze(y),M,norm_constellation,hard_bits_out,p_s) NGMI = 1-(entropy_S-GMI)/bitlen loss_NGMI = tf.nn.relu(NGMI_th-NGMI) loss_Eq = tf.reduce_mean(tf.square(tf.abs(x-y))) loss = loss_Eq*eq_flag*0.5-GMI+loss_NGMI*100 return loss.numpy(), loss_Eq.numpy(), p_s.numpy(), GMI.numpy(), NGMI.numpy(), entropy_S, norm_constellation.numpy(), x.numpy(), y.numpy() 继续，修改这部分代码
最新发布
08-19
loss_Eq = tf.reduce_mean(tf.square(tf.abs(x - y))) # 总损失（仅用于参考，不用于优化） loss = loss_Eq * eq_flag * 0.5 - GMI + loss_NGMI * 100 + distance_penalty # === 返回所有评估指标 === ...
@tf.function def train_step(inp_SNR,noise,GS_flag,PS_flag,eq_flag,epsilon=1e-12): loss = 0 with tf.GradientTape() as tape: s_logits = logit_model(inp_SNR) s = s_model(s_logits) soft_bits = soft_bit_encoder(s) hard_bits = hard_decision_on_bit(soft_bits) enc = Trans_model_bit(hard_bits) bit_set = tf.math.mod(tf.bitwise.right_shift(tf.expand_dims(symbol_set,1), tf.range(bitlen)), 2) bit_set = tf.reverse(bit_set, axis = [-1]) constellation = Trans_model_bit(bit_set) constellation = tf.expand_dims(constellation, 0) p_s = tf.nn.softmax(s_logits) norm_factor= tf.math.rsqrt(tf.maximum(p_norm(p_s, constellation),epsilon)) norm_constellation = r2c(norm_factor) * constellation should_always_be_one = p_norm(p_s, norm_constellation) x = r2c(norm_factor) * enc Tx = upsample_pulse_shaping(x, Fs, PS_filter) Rx = Tx + noise y = Model_Eq(Rx) entropy_S = -p_norm(p_s, p_s, lambda x: log2(x)) GMI = GMIcal_tf(x,tf.squeeze(y),M,norm_constellation,hard_bits_out,p_s) NGMI = 1-(entropy_S-GMI)/bitlen loss_NGMI = tf.nn.relu(NGMI_th-NGMI) loss_Eq = tf.reduce_mean(tf.square(tf.abs(x-y))) loss = loss_Eq*eq_flag*0.5-GMI+loss_NGMI*100 variables = (logit_model.trainable_variables * PS_flag + s_model.trainable_variables + Trans_model_bit.trainable_variables*GS_flag + Model_Eq.trainable_variables*eq_flag) gradients = tape.gradient(loss, variables) optimizer.apply_gradients(zip(gradients, variables)) return loss,loss_Eq,NGMI,GMI,tf.reduce_mean(entropy_S),p_s,norm_constellation,x 增加一个约束条件，避免发射端生成的星座点之间的距离过近
08-19
bit_set = tf.math.mod(tf.bitwise.right_shift(tf.expand_dims(symbol_set,1), tf.range(bitlen)), 2) bit_set = tf.reverse(bit_set, axis = [-1]) constellation = Trans_model_bit(bit_set) constellation =...
TensorFlow 学习（十）—— 工具函数
weixin_30625691的博客
03-19 170
1. 基本 tf.clip_by_value() 截断，常和对数函数结合使用 # 计算交叉熵 crose_ent = -tf.reduce_mean(tf.log(y_*tf.clip_by_value(y, 1e-10, 1.))) a = tf.reshape(tf.range(6, dtype=tf.float32), [2, 3]) tf.cl...
【TensorFlow】【算子解析】【tf.math】tf.math.abs
08-27 1389
【算子功能描述】 tf.math.abs算子的作用是计算输入数据的绝对值 y = |x| 【案例】 # -*- coding:utf-8 -*- import tensorflow as tf import numpy as np img = np.random.standar...
部分tensorflow内置函数与pytorch内置函数的对应 --- 持续更新
qq_29617883的博客
09-02 1万+
TensorFlow - tf.reshape 函数 & Pytorch - torch.reshape 函数 TensorFlow tf.reshape( tensor, shape:[int, …], name=None ) Pytorch torch.reshape(self: Tensor, shape: Tuple[int, …]) TensorFlow - tf...
TensorFlow笔记（三）常用操作函数
haveanybody的博客
04-17 827
基础操作函数 tf.abs(x, name=None) 计算张量的绝对值，输入一个Tensor 或 SparseTensor，返回一个与x 有相同的大小和类型 的Tensor 或 SparseTensor。 tf.add(x, y, name=None) 返回 x + y 值，x和y有相同类型。 tf.acos(x, name=None) / tf.asin / tf.ata...
tensorflow随笔-abs
The research on computer technolog
04-29 491
#!/usr/bin/env python2 # -*- coding: utf-8 -*- # TensorFlow and tf.keras import tensorflow as tf sess=tf.Session() with sess: x = tf.constant([[-2.25 + 4.75j], [-3.25 + 5.75j]]) print x.eval...
Tensorflow一些常用基本概念与函数（1）
热门推荐
lenbow的博客
08-08 15万+
摘要：本文主要对tf的一些常用概念与方法进行描述。
tf API 研读2：math
MachineLP的专栏
09-05 4360
TF API数学计算 tf...... ：math （1）刚开始先给一个运行实例。         tf是基于图（Graph）的计算系统。而图的节点则是由操作（Operation）来构成的，而图的各个节点之间则是由张量（Tensor）作为边来连接在一起的。所以Tensorflow的计算过程就是一个Tensor流图。Tensorflow的图则是必须在一个Session中来计算。
tf.reduce_sum函数中reduction_indices参数的使用（附代码解释）
雷神在此的博客
12-12 5618
在用python使用TensorFlow的时候： tf.reduce_sum函数中reduction_indices参数表示函数的处理维度。 reduction_indices参数的值默认的时候为None,默认把所有的数据求和，即结果是一维的。 reduction_indices参数的值为0的时候，是第0维对应位置相加。 reduction_indices参数的值为1的时候，是第1维对应位置相加。...
评论
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