外积,内积和转置

本文通过实例演示了使用TensorFlow进行矩阵运算的方法,包括初始化矩阵、外积、点积及转置等操作,并展示了如何在会话中运行这些操作。
部署运行你感兴趣的模型镜像
import tensorflow as tf
# 初始化矩阵
x = tf.constant([[1, 2, 3],
                 [1, 2, 3]])
y = tf.constant([[2, 3, 4],
                 [2, 3, 4]])
z = tf.constant([[3, 4],
                 [3, 4],
                 [3, 4]])
# 外积    外积的三种方式
out = tf.multiply(x, y)
out1 = tf.einsum('ij,ij->ij', x, y)
out2 = x*y
# 点积
dot = tf.matmul(x, z)
dot1 = tf.einsum('ij,jk->ik', x, z)
# 转置
trans = tf.transpose(x, [1, 0])
trans1 = tf.einsum('ij->ji', x)
with tf.Session() as sess:
    print('外积')
    print('out\n{}'.format(sess.run(out)))
    print('out1\n{}'.format(sess.run(out1)))
    print('out2\n{}'.format(sess.run(out2)))
    print('点积')
    print('dot\n{}'.format(sess.run(dot)))
    print('dot1\n{}'.format(sess.run(dot1)))
    print('转置')
    print('trans\n{}'.format(sess.run(trans)))
    print('trans1\n{}'.format(sess.run(trans1)))

 

您可能感兴趣的与本文相关的镜像

TensorFlow-v2.9

TensorFlow-v2.9

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

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