TensorFlow2.0矩阵四则运算

原创已于 2023-04-22 12:54:53 修改 · 453 阅读

3 ·

CC 4.0 BY-SA版权

文章标签：

#tensorflow #python #深度学习

于 2023-04-21 19:55:04 首次发布

该文介绍了如何使用TensorFlow进行矩阵运算，包括通过tf.constant定义常量，然后展示了矩阵相乘（tf.matmul）、相加（tf.add）、相除（tf.divide）和相减（tf.subtract）的操作，并强调了操作中数据类型和维度的一致性要求。

部署运行你感兴趣的模型镜像

#定义简单的矩阵 constant是定义常量

improt tensorflow as tf
tensorA = tf.constant([[1,2],[3,4]],dtype = tf.float32)
tensorB = tf.constant([[5,6],[7,8]],dtype = tf.float32)

#矩阵相乘

tensorMatmul = tf.matmul(tensorA,tensorB)

等价于tensorA*tensorB

#矩阵相加

tensorAdd = tf.add(tensorA,tensorB)

等价于tensorA+tensorB

#矩阵相除

tensorDivide = tf.divide(tensorA,tensorB)

等价于tensorA/tensorB

#矩阵相减

tensorSubtract = tf.subtract(tensorA,tensorB)

等价于tensorA-tensorB

TensorFlow 在进行四则运算时，一定要求各个 Tensor 数据类型、维度必须一致。

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

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

缘起性空、

关注关注

2
点赞
踩
3

收藏

觉得还不错? 一键收藏
2
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
打赏
打赏
打赏举报

举报

TensorFlow教程（四）：矩阵操作

观月执白

03-27

2306

学习TensorFlow中矩阵的操作对于理解计算图中数据的流动来说非常重要。 1、创建矩阵可以使用numpy数组（或者嵌套列表来创建二维矩阵）；也可以使用创建张量的函数（比如，zeros()，ones()，truncated_normal()等）来指定一个二维形状的矩阵；也可以使用diag()函数从一个一维数组（或者列表）来创建一个对角矩阵。 import tensorflow as t...

【TensorFlow】矩阵操作相关

无水wangyang

08-02

494

placehold import tensorflow as tf data1=tf.placeholder(tf.float32) data2=tf.placeholder(tf.float32) dataAdd=tf.add(data1,data2) with tf.Session() as sess: print(sess.run(dataAdd,feed_dict={data1...

2 条评论您还未登录，请先登录后发表或查看评论

TensorFlow2.0矩阵与向量的加减乘实例

09-18

今天小编就为大家分享一篇TensorFlow2.0矩阵与向量的加减乘实例，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧

TensorFlow矩阵基本操作及其实现

Demi Hao的学习笔记

12-13

1251

具体做法开始一个交互式会话，以便得到计算结果： tensorflow.eye()用于生成单位矩阵。用法：tensorflow.eye( num_rows, num_columns, batch_shape, dtype, name) 参数： num_rows:它是int32标量张量，它定义了结果矩阵中存在的行数。 num_columns(可选)：它是int32标量张量，它定义了结果矩阵中存在的列数。默认值为num_rows。 batch_shape(可选)：它是Python整数或一维int32 T

TensorFlow基本操作：矩阵运算、张量重塑、广播机制

最新发布

一碗黄焖鸡三碗米饭的博客

03-19

930

通过本文的详细讲解，我们深入了解了 TensorFlow 中的矩阵运算、张量重塑和广播机制，并结合代码示例进行了演示。矩阵运算：包括矩阵加法、矩阵乘法和矩阵转置等基本操作，它们在神经网络中广泛应用。张量重塑：通过可以方便地重塑张量形状，帮助我们高效处理数据。广播机制：广播机制让不同形状的张量能够自动对齐进行逐元素运算，极大简化了代码，并提高了运算效率。希望本文能够帮助你更好地理解 TensorFlow 中的基础操作，提升你在深度学习中的应用能力。

TensorFlow 2.0 深度学习实战 —— 浅谈卷积神经网络 CNN

风尘浪子

03-28

3812

卷积神经网络 CNN（Convolutional Neural Networks，ConvNet）是一种特殊的深度学习神经网络，近年来在物体识别、图像重绘、视频分析等多个层面得到了广泛的应用。本文将介绍 CNN 卷积神经网络的基本原理和基础概念，卷积层与池化层的作用，并以常用的 VGG16 为例子，介绍常用模型的使用方式。把中间激活层输出图，滤波器，热力图等进行可视化分析，让大家进一步了解 CNN 的结构特征。

Tensorflow2.0 课程代码实现与测试

mi1kyy的博客

03-10

1103

根据学习的进度更新代码 Chap1 import tensorflow as tf import numpy as np # 1、创建张量 a = tf.constant([1, 5], dtype=tf.int64) # 生成一个张量 print(a) # 输出张量 print(a.dtype) # 张量形式 print(a.shape) # 张量的形状（维数及一个维度中元素个数）逗号隔开数字个数表示张量的维数数字表示每个维度中元素的个数 # 2、numpy数组转化为张量 a = np.a

TensorFlow 2.0 学习笔记

happylls666的博客

12-08

821

tensorflow学习笔记

Tensorflow2.0建立神经网络

qq_40497403的博客

11-07

810

1.TensorFlow基础知识 1.1 变量和常量的定义和运用 state = tf.Variable() 定义变量的代码如下： import tensorflow as tf state = tf.Variable(0, name='counter') # 定义常量 one one = tf.constant(1) # 定义加法步骤 (注: 此步并没有直接计算) new_value = tf.add(state, one) # 将 State 更新成 new_value update = tf.c

Tensorflow2.0：卷积神经网络CNN

Docpark

02-22

1645

一全连接网络所遇到的问题对于一个大小为2828像素的图片来说，将他的二维向量铺平一维输入神经网络中，它就拥有784个特征，那么以该特征随意建立个神经网络模型，其示意图如下：由于输入节点和输出节点是两两相连的关系，使得参数稠密，计算代价高，这使得全网络连接在应用上有很大的局限性。二什么是卷积神经网络卷积神经网络的核心思想就是局部相关性与权值共享。 1.什么是局部相关性？对于一个图片来...

TensorFlow基础知识点（六）/矩阵基本操作

热门推荐

细心程度决定你的成败

03-19

1万+

import tensorflow as tf# 1.1矩阵操作 sess = tf.InteractiveSession() x = tf.ones([2, 3], "float32") print("tf.ones():", sess.run(x))tensor = [[1, 2, 3], [4, 5, 6]] x = tf.ones_like(tensor) print("ones_like给

汇总TensorFLow2.0运算法则

源代码杀手的博客

11-02

1232

一、Tensor 之间的运算法则 1) 相同大小 Tensor 之间的任何算术运算都会将运算应用到元素级 2) 不同大小 Tensor(要求dimension 0 必须相同) 之间的运算叫做广播(broadcasting) 3) Tensor 与 Scalar(0维 tensor) 间的算术运算会将那个标量值传播到各个元素 4) Note：TensorFLow 在进行数学运算时，一定要求各个 Tensor 数据类型一致二、算术操作（+，-，*，/，Mod）（1）tensor-tensor操作(e

tensorflow基本操作《03矩阵基础》

Jamesaonier的博客

03-25

237

tensorflow基本操作《03矩阵基础》代码 ''' # placehold import tensorflow as tf data1=tf.placeholder(tf.float32) data2=tf.placeholder(tf.float32) dataAdd=tf.add(data1,data2) with tf.Session() as sess: print(se...

tensorflow入门矩阵函数

yan的博客

05-04

532

常用函数：https://blog.csdn.net/u014595019/article/details/52805444loss_op = tf.reduce_mean(tf.nn.softmax_cross_entropy_with_logits( logits=logits, labels=Y))#均方差求平均第一个参数是集合，第二个参数是方向，不设默认对全部求平均...

tensorflow2.0—矩阵向量相关操作

Elvis__c的博客

05-06

1393

张量的一些数学操作一、标量运算1 maximum 与 minimum2 幅值裁剪clip_by_value 与 clip_by_norm 二、向量运算1 reduce_sum、mean、max、min2 reduce_prob 乘积3 reduce_all 与 reduce_any [逻辑符and or】4 foldr 实现匿名函数5 cum累计6 argmax 与 argmmin 极值索引7 top_k 排序三、矩阵运算1 矩阵乘法@、转置、逆、范数、行列式2 矩阵分解1.矩阵正交三角（QR）分

（学习笔记）TensorFlow矩阵基本操作及其实现补充

m0_50636760的博客

11-08

376

本文章只是学习笔记，不具有任何参考价值。学习网站：http://c.biancheng.net/view/1886.html 其他一些有用的矩阵操作，如按元素相乘、乘以一个标量、按元素相除、按元素余数相除等 import tensorflow as tf # 创建两个随机函数 a = tf.Variable(tf.random_normal([4,5],stddev=2)) b = tf.Variable(tf.random_normal([4,5],stddev=2)) # 元素相乘 A =

tensorflow: 如何使用矩阵

vagrantabc2017的博客

09-22

1903

Refence: 《Tensorflow machine learning cookbook》 : Working with Matrices Packt.TensorFlow.Machine.Learning.Cookbook.2017 笔记 # -*- coding:utf-8 -*- import tensorflow as tf i

Tensorflow之矩阵基础

z_xindong的博客

05-29

2536

一、矩阵的定义以及矩阵之间的运算 1.矩阵的定义 #矩阵其实就是一个元素为列表的列表 ''' 3 3 3 [[1,2,3],[1,2,3],[1,2,3]] 这就是一个三维矩阵 3 3 3 其他的以此类推 3 3 3 '...

python矩阵乘法点乘_Tensorflow矩阵运算实例(矩阵相乘,点乘,行/列累加)

weixin_39613692的博客

12-04

526

Tensorflow二维、三维、四维矩阵运算(矩阵相乘，点乘，行/列累加)1. 矩阵相乘根据矩阵相乘的匹配原则，左乘矩阵的列数要等于右乘矩阵的行数。在多维(三维、四维)矩阵的相乘中，需要最后两维满足匹配原则。可以将多维矩阵理解成：(矩阵排列，矩阵)，即后两维为矩阵，前面的维度为矩阵的排列。比如对于(2，2，4)来说，视为2个(2，4)矩阵。对于(2，2，2，4)来说，视为2*2个(2，4)矩阵。i...