005 矩阵初始化、运算、特殊矩阵初始化

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))

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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