tf.matmul / tf.multiply

import tensorflow as tf
import numpy as np

1.tf.placeholder

placeholder()函数是在神经网络构建graph的时候在模型中的占位，此时并没有把要输入的数据传入模型，它只会分配必要的内存。

等建立session，在会话中，运行模型的时候通过feed_dict()函数向占位符喂入数据。

2.tf.session

1.tf.multiply 点乘

input1 = tf.placeholder(tf.float32)

input2 = tf.placeholder(tf.float32)

output = tf.multiply(input1, input2)

with tf.Session() as sess:
print(sess.run(output, feed_dict = {input1:[3.], input2: [4.]})) --[12.]

2.tf.matmul 矩阵相乘

x = tf.placeholder(tf.float32, shape=(3, 3))
y = tf.matmul(x, x)

with tf.Session() as sess:
#print(sess.run(y)) # ERROR:此处x还没有赋值
rand_array = np.random.rand(3, 3)
print("rand_array",rand_array)
print(sess.run(y, feed_dict={x: rand_array}))

转载于:https://www.cnblogs.com/hapyygril/p/10794570.html

tf.matmul / tf.multiply相关推荐

TF乘法之multiply、matmul、*
"*"和tf.multiply 属于元素级别的相乘,两个矩阵或者向量维度一直,对应位置相乘维度保持不变 multiply(x,y,name=None)-实现元素级别的相乘 1)注 ...
tensorflow tf.matmul() （多维）矩阵相乘（多维矩阵乘法）
@tf_export("matmul") def matmul(a,b,transpose_a=False,transpose_b=False,adjoint_a=False,ad ...
tf.matmul - 矩阵乘法
tf.matmul - 矩阵乘法 https://github.com/tensorflow/docs/tree/r1.4/site/en/api_docs/api_docs/python/tf si ...
tf计算矩阵维度_tensorflow tf.matmul() （多维）矩阵相乘（多维矩阵乘法）
@tf_export("matmul") def matmul(a, b, transpose_a=False, transpose_b=False, adjoint_a=Fals ...
python的matmul_TensorFlow：tf.matmul函数
函数:tf.matmulmatmul( a, b, transpose_a=False, transpose_b=False, adjoint_a=False, adjoint_b=False, a_ ...
tf.matmul() 和tf.multiply() 的区别
1.tf.multiply()两个矩阵中对应元素各自相乘格式: tf.multiply(x, y, name=None) 参数: x: 一个类型为:half, float32, float64, ...
细分tf.multiply()、tf.matmul()、tf.scalar_mul()函数
tf.multiply() 释义:将两个矩阵中对应元素各自相乘示例: import tensorflow as tfX = tf.constant([[1, 2, 3], [4, 5 ,6]], d ...
tf.multiply与tf.matmul的区别
1.tf.multiply()两个矩阵中对应元素各自相乘格式: tf.multiply(x, y, name=None) 参数: x: 一个类型为:half, float32, float64, u ...
Tensorflow基础：tf.matmul() 和tf.multiply() 的区别
tf.multiply() 两个矩阵中对应元素各自相乘格式: tf.multiply(x, y, name=None) 参数: x: 一个类型为:half, float32, float64, ui ...

tf.matmul / tf.multiply

tf.matmul / tf.multiply相关推荐

最新文章

热门文章