tensorflow+numpy 深度学习相关函数(持续更新)
tensorflow运算法则
import tensorflow as tf
tf.add(a,b) #加法
tf.subtract(a,b) #减法
tf.multiply(x,y) #乘法
tf.div(x,y) #整除
tf.truediv(x,y) #浮点数除法
tf.mod(x,y) #取余
tf.reduce_mean()
tf.reduce_mean 函数用于计算张量tensor沿着指定的数轴(tensor的某一维度)上的的平均值,主要用作降维或者计算tensor(图像)的平均值。
接口为:reduce_mean(input_tensor,axis=None,keep_dims=False,name=None,reduction_indices=None)
- 第一个参数input_tensor: 输入的待降维的tensor;
- 第二个参数axis: 指定的轴,如果不指定,则计算所有元素的均值;
- 第三个参数keep_dims:是否降维度,设置为True,输出的结果保持输入tensor的形状,设置为False,输出结果会降低维度;
- 第四个参数name: 操作的名称;
- 第五个参数 reduction_indices:在以前版本中用来指定轴,已弃用;
举个例子:
import tensorflow as tfx = [[1,2,3],[1,2,3]]xx = tf.cast(x,tf.float32)mean_all = tf.reduce_mean(xx, keep_dims=False)
mean_0 = tf.reduce_mean(xx, axis=0, keep_dims=False)
mean_1 = tf.reduce_mean(xx, axis=1, keep_dims=False)with tf.Session() as sess:m_a,m_0,m_1 = sess.run([mean_all, mean_0, mean_1])print m_a # output: 2.0
print m_0 # output: [ 1. 2. 3.]
print m_1 #output: [ 2. 2.]
类似的函数
- tf.reduce_sum :计算tensor指定轴方向上的所有元素的累加和;
- tf.reduce_max : 计算tensor指定轴方向上的各个元素的最大值;
- tf.reduce_all : 计算tensor指定轴方向上的各个元素的逻辑和(and运算);
- tf.reduce_any: 计算tensor指定轴方向上的各个元素的逻辑或(or运算);
np.linalg.norm()——范数
inalg=linear(线性)+algebra(代数),norm则表示范数。
x_norm=np.linalg.norm(x, ord=None, axis=None, keepdims=False)
1. x: 表示矩阵(可以是一维)
2. ord:范数类型
向量的三种范数求法:
矩阵的三种范数求法:
3. axis:处理类型
4. keepding:是否保持矩阵的二维特性
True表示保持矩阵的二维特性,False相反
例子:
import numpy as np
x = np.array([[1, 2, 3],[2, 4, 6]])
print "默认参数(矩阵2范数,不保留矩阵二维特性) :", np.linalg.norm(x)
print "矩阵2范数,保留矩阵二维特性:", np.linalg.norm(x, keepdims=True)
print "矩阵1范数(列和的最大值) :", np.linalg.norm(x, ord=1,keepdims=True)
print "矩阵2范数(求特征值,然后求最大特征值得算术平方根):", np.linalg.norm(x, ord=2, keepdims=True)
print "矩阵∞范数(行和的最大值) :", np.linalg.norm(x, ord=np.inf, keepdims=True)
print "矩阵每个行向量求向量的2范数:", np.linalg.norm(x, axis=1, keepdims=True)
print "矩阵每个列向量求向量的2范数:", np.linalg.norm(x, axis=0, keepdims=True)
print "矩阵每个行向量求向量的1范数:", np.linalg.norm(x, ord=1, axis=1, keepdims=True)
print "矩阵每个列向量求向量的1范数:", np.linalg.norm(x, ord=1, axis=0, keepdims=True)
输出结果为:
默认参数(矩阵2范数,不保留矩阵二维特性) : 8.36660026534
矩阵2范数,保留矩阵二维特性: [[8.36660027]]
矩阵1范数(列和的最大值) : [[9.]]
矩阵2范数(求特征值,然后求最大特征值得算术平方根): [[8.36660027]]
矩阵∞范数(行和的最大值) : [[12.]]
矩阵每个行向量求向量的2范数: [[3.74165739][7.48331477]]
矩阵每个列向量求向量的2范数: [[2.23606798 4.47213595 6.70820393]]
矩阵每个行向量求向量的1范数: [[ 6.][12.]]
矩阵每个列向量求向量的1范数: [[3. 6. 9.]]
参考资料:
【1】https://blog.csdn.net/Liang_xj/article/details/85005243
【2】https://blog.csdn.net/dcrmg/article/details/79797826
tensorflow+numpy 深度学习相关函数(持续更新)相关推荐
- 李宏毅 深度学习【持续更新】
目录 pytorch快速入门 csdn快速入门 OS包 PIL包 Opencv包 Dataset类 Tensorboard的使用 torchvision.transforms 的使用 torchvis ...
- TensorFlow及深度学习相关资料积累汇总【不定期更新】
此为学习TensorFlow及深度学习方面时收集到的一些资料,不定期汇总到这里,与大家一起学习.交流.讨论. 1.文档.书籍 TF官方文档中文版 首本中文教程:TensorFlow实战(京东) TF入 ...
- nvidia-docker2完成tensorflow/serving深度学习模型在线部署
深度学习技术已经广泛应用在各个行业领域.实际应用,通过大量数据往往可以训练一个泛化能力好的模型,但如何将模型进行快捷.方便的远程部署,已成为好多企业考虑的问题.现阶段,常用的深度学习模型远程部署工具有 ...
- TensorFlow和深度学习入门教程(TensorFlow and deep learning without a P
前言 上月导师在组会上交我们用tensorflow写深度学习和卷积神经网络,并把其PPT的参考学习资料给了我们, 这是codelabs上的教程:<TensorFlow and deep lear ...
- TensorFlow:深度学习框架TensorFlow TensorFlow_GPU的简介、安装、测试之详细攻略
TensorFlow:深度学习框架TensorFlow & TensorFlow_GPU的简介.安装.测试之详细攻略 目录 TensorFlow的简介 TensorFlow的安装 1.tens ...
- DL框架之Tensorflow:深度学习框架Tensorflow的简介、安装、使用方法之详细攻略
DL框架之Tensorflow:深度学习框架Tensorflow的简介.安装.使用方法之详细攻略 目录 Tensorflow的简介 1.描述 2.TensorFlow的六大特征 3.了解Tensorf ...
- TensorFlow (RNN)深度学习 双向LSTM(BiLSTM)+CRF 实现 sequence labeling 序列标注问题 源码下载...
http://blog.csdn.net/scotfield_msn/article/details/60339415 在TensorFlow (RNN)深度学习下 双向LSTM(BiLSTM)+CR ...
- 报名 | NVIDIA线下交流会:手把手教你搭建TensorFlow Caffe深度学习服务器
7月21日(周六)下午14:30,量子位与NVIDIA英伟达开发者社区联合举办线下交流会,拥有丰富一线开发经验的NVIDIA开发者社区经理Ken He,将手把手教你搭建TensorFlow & ...
- 【动手教你学故障诊断:Python实现Tensorflow+CNN深度学习的轴承故障诊断(西储大学数据集)(含完整代码)】
项目名称 动手教你学故障诊断:Python实现基于Tensorflow+CNN深度学习的轴承故障诊断(西储大学数据集)(含完整代码) 项目介绍 该项目使用tensorflow和keras搭建深度学习C ...
最新文章
- 把对像生成json并存储到文件
- java解数独_java解数独
- 手机1像素线粗_豪威推出4800万像素手机传感器:1/2大底
- asp.net远程调用WebService的两种方法
- Angular2 - Starter - Routes, Route Resolver
- Spring MVC的异步模式DefferedResult
- 抛出错误Debug Assertion Failed!
- 这才是真正的男人的格局
- 下载 sdk struts java
- ionic3 cordova ionic-native插件
- Isim你不得不知道的技巧(整理)
- 【工具】在idea中使用svn
- linux 关闭屏幕键盘 软键盘
- 利用eNSP进行VPLS仿真实验
- 火星人的耳机(Martian Headsets)
- 京东平台和商家的不同合作模式
- 二、互联网思维之用户思维
- ​LeetCode刷题实战488:祖玛游戏
- echarts option 平均线和副标题
- 2019年繁星屠龙1-8窍门_狂打一星,新版《倚天屠龙记》就那么烂?
热门文章
- Linux学习笔记6月1日任务
- 65.shell特殊符号与和cut,sort,wc,uniq,tee,tr,split命令
- Python09 字典
- 在centos7中静默安装oracle11g
- 清理linux内存cache
- mac下简单绘图工具
- 干货 | 当你在携程搜索时,背后的推荐系统是如何工作的
- Hadoop 之父:普通程序员到顶级公司 CTO 的进阶之路
- 码农与程序员的惊人差别
- Andriod --- JetPack (四):BaseObservable 与 ObservableField 双向绑定