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]], dtype=tf.float32, name=None)
Y = tf.constant([[1, 1, 1], [2, 2 ,2]], dtype=tf.float32, name=None)
Z = tf.multiply(X, Y) # 乘法操作,对应位置元素相乘with tf.Session() as sess:print(sess.run(Z))
[[ 1. 2. 3.][ 8. 10. 12.]]
- tf.matmul()
释义:矩阵乘法
示例
X = tf.constant([[1, 2, 3], [4, 5, 6]], dtype=tf.float32, name=None)
Y = tf.constant([[1, 2], [1, 2], [1, 2]], dtype=tf.float32, name=None)
Z = tf.matmul(X, Y) # 矩阵乘法操作with tf.Session() as sess:print(sess.run(Z))
[[ 6. 12.][15. 30.]]
- tf.scalar_mul()
释义:标量和张量相乘(标量乘矩阵或向量)
示例:
x = tf.constant(2, dtype=tf.float32, name=None)Y1 = tf.constant(3, dtype=tf.float32, name=None)
Z1 = tf.scalar_mul(x, Y1) # 标量×标量Y2 = tf.constant([1, 2, 3], dtype=tf.float32, name=None)
Z2 = tf.scalar_mul(x, Y2) # 标量×向量Y3 = tf.constant([[1, 2, 3], [4, 5, 6]], dtype=tf.float32, name=None)
Z3 = tf.scalar_mul(x, Y3) # 标量×矩阵with tf.Session() as sess:print(sess.run(Z1))print('='*30)print(sess.run(Z2))print('='*30)print(sess.run(Z3))
6.0
==============================
[2. 4. 6.]
==============================
[[ 2. 4. 6.][ 8. 10. 12.]]
细分tf.multiply()、tf.matmul()、tf.scalar_mul()函数相关推荐
- tf.multiply、tf.matmul函数
1.tf.multiply函数 函数原型 tf.multiply(x, y, name=None ) 函数说明 两个张量各自对应的位置元素进行相乘,需要两个张量形状相同. 函数使用 >>& ...
- 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 ...
- 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, ...
- tf计算矩阵维度_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, u ...
- 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.multiply()与tf.matmul()
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, ...
- 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 ...
- python的matmul_关于tf.matmul() 和tf.multiply() 的区别说明
我就废话不多说了,大家还是直接看代码吧~ flyfish # a # [[1, 2, 3], # [4, 5, 6]] a = tf.constant([1, 2, 3, 4, 5, 6], shap ...
最新文章
- UILabel-UITextField-UIBottonamp;nbsp;UI_…
- JS-JavaScript String 对象-string对象方法1:fromCharCode()、charCodeAt()
- 十大python开发软件-必看 | 2020年,Python十大应用领域介绍!
- Event 系列: jquery event 源码
- python九九乘法表代码知乎_二年级上册表内乘法教学反思_二年级6的乘法口诀教学反思...
- IDEA Git更新
- 以5个数据库为例,用Python实现数据的提取、转换和加载(ETL)
- 机器学习 —— 概率图模型(推理:采样算法)
- php命令执行脚本文件,PHP文件包含与命令执行方式总结
- 习题:编写一个程序,请输入两个数字,并判断两个数字的大小。
- dhcp网络服务的搭建和配置
- Zookeeper11问
- 换个安逸点儿的英文名,希望以后事业顺遂!
- 单片机高效c语言编程,飞思卡尔单片机高效C语言编程(中文).pdf
- war 包的解压与打包
- 长方形面积公式的由来
- 拼多多店铺流量解析:这些流量入口你必须了解!
- 基于Java毕业设计政府采购线上招投标平台源码+系统+mysql+lw文档+部署软件
- 大数据展示 定位_大数据平台 定位
- C# WAV音乐多音轨合并
热门文章
- PCL 点云 欧式聚类疑问
- 模块计算机类型x64与目标计算机类型X86冲突
- Unknown: Failed to get convolution algorithm. This is probably because cuDNN
- torch.mean
- python caffe报错:No module named google
- 深度学习: mAP (Mean Average Precision)
- ‘Series‘ object has no attribute ‘sort‘
- python event多线程回调
- Python 3 利用 subprocess 实现管道( pipe )交互操作读/写通信
- mysql密码修改脚本