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 ...

tensorflow+numpy 深度学习相关函数（持续更新）

tensorflow运算法则

tf.reduce_mean()

类似的函数

np.linalg.norm()——范数

tensorflow+numpy 深度学习相关函数（持续更新）相关推荐

最新文章

热门文章