005 矩阵初始化、运算、特殊矩阵初始化

最新推荐文章于 2024-07-24 14:34:43 发布

计算机视觉小趴菜

最新推荐文章于 2024-07-24 14:34:43 发布

阅读量395

点赞数

CC 4.0 BY-SA版权

分类专栏： tensorflow python OpenCV

本文链接：https://blog.youkuaiyun.com/qq_41167777/article/details/83863779

OpenCV 同时被 3 个专栏收录

30 篇文章

订阅专栏

python

8 篇文章

订阅专栏

tensorflow

7 篇文章

订阅专栏

本文深入探讨了使用TensorFlow进行矩阵运算的方法，包括矩阵相乘、对应位置元素相乘、矩阵相加，以及如何获取矩阵的维度信息。此外，还介绍了几种特殊矩阵的定义方式，如全0矩阵、全1矩阵和填充矩阵。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

#矩阵定义  M行*N列
import tensorflow as tf
data1=tf.constant([[6,6]])
data2=tf.constant([[2],
                   [2]])
data3=tf.constant([[3,3]])
data4=tf.constant([[1,2],
                  [3,4],
                  [5,6]])
matMul=tf.matmul(data1,data2)#矩阵相乘
matMul2=tf.multiply(data1,data3)#对应位置元素相乘
matAdd=tf.add(data1,data3)#矩阵相加
print(data4.shape)#维度信息
with tf.Session() as sess:
    print(sess.run(data4))#打印矩阵
    print(sess.run(data4[0]))#打印某一行
    print(sess.run(data4[:,0]))#打印某一列
    print(sess.run(data4[0,1]))#打印第一行第二列  #MN从0开始
    print('矩阵相乘',sess.run(matMul))
    print('矩阵相加',sess.run(matAdd))
    print('矩阵对应元素相乘',sess.run(matMul2))
    print(sess.run([matMul,matAdd,matMul2]))#打印多个矩阵

特殊矩阵的定义

import tensorflow as tf
mat0=tf.constant([[0,0,0],[0,0,0]])
mat1=tf.zeros([2,3])#全0矩阵
mat2=tf.ones([2,3])#全1矩阵
mat3=tf.fill([2,3],15)#填充矩阵
with tf.Session() as sess:
    print('全0矩阵',sess.run(mat0))
    print('0矩阵',sess.run(mat1))
    print('全1矩阵',sess.run(mat2))
    print('填充矩阵',sess.run(mat3))

import tensorflow as tf
mat1=tf.constant([[2],[3],[4]])
mat2=tf.zeros_like(mat1)#维度与mat1相同
mat3=tf.lin_space(0.0,2.0,11)#等间距输出
mat4=tf.random_uniform([2,3],-1,2)#2*3的随机矩阵
with tf.Session() as sess:
    print(sess.run(mat1))
    print(sess.run(mat2))
    print(sess.run(mat3))
    print(sess.run(mat4))