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, uint8, int8, uint16, int16, int32, int64, complex64, complex128的张量。
y: 一个类型跟张量x相同的张量。
返回值: x * y element-wise.
注意:
(1)multiply这个函数实现的是元素级别的相乘,也就是两个相乘的数元素各自相乘,而不是矩阵乘法,注意和tf.matmul区别。
(2)两个相乘的数必须有相同的数据类型,不然就会报错。
- tf.matmul()
将矩阵a乘以矩阵b,生成a * b。
格式:
tf.matmul(a, b, transpose_a=False, transpose_b=False, adjoint_a=False, adjoint_b=False, a_is_sparse=False, b_is_sparse=False, name=None)
参数:
a: 一个类型为 float16, float32, float64, int32, complex64, complex128 且张量秩 > 1 的张量。
b: 一个类型跟张量a相同的张量。
transpose_a: 如果为真, a则在进行乘法计算前进行转置。
transpose_b: 如果为真, b则在进行乘法计算前进行转置。
adjoint_a: 如果为真, a则在进行乘法计算前进行共轭和转置。
adjoint_b: 如果为真, b则在进行乘法计算前进行共轭和转置。
a_is_sparse: 如果为真, a会被处理为稀疏矩阵。
b_is_sparse: 如果为真, b会被处理为稀疏矩阵。
name: 操作的名字(可选参数)
返回值: 一个跟张量a和张量b类型一样的张量且最内部矩阵是a和b中的相应矩阵的乘积。
注意:
(1)输入必须是矩阵(或者是张量秩 >2的张量,表示成批的矩阵),并且其在转置之后有相匹配的矩阵尺寸。
(2)两个矩阵必须都是同样的类型,支持的类型如下:float16, float32, float64, int32, complex64, complex128。
引发错误:
ValueError: 如果transpose_a 和 adjoint_a, 或 transpose_b 和 adjoint_b 都被设置为真
Tensorflow基础:tf.matmul() 和tf.multiply() 的区别相关推荐
- 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 ...
- 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 ...
- tensorflow基础(2)-tf.argmax和axis
tf.argmax() 这个函数的主要功能是返回最大值所在的坐标.主要用在分类的时候,如果只是简单的输出,只是对于每一类可能性的预测的输出,但是我要要的输出必须是确定的哪一类,所以需要确定里面的最大的 ...
- 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 ...
- TensorFlow 学习(七) — 常用函数 api、tf.nn、tf.keras
0. 四则运算 平方:tf.square(),开方:tf.sqrt() tf.add().tf.sub().tf.mul().tf.div().tf.mod().tf.abs().tf.neg() 1 ...
- 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学习:Tensorflow基础案例、经典案例集合——基于python编程代码的实现
TF学习:Tensorflow基础案例.经典案例集合--基于python编程代码的实现 目录 Tensorflow的使用入门 1.TF:使用Tensorflow输出一句话 2.TF实现加法 3.TF实 ...
- 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 ...
最新文章
- react 时刻表插件_React“啊哈”的时刻
- Developerkit Link Develop Demo 环境配置指南
- 程序员之路,蛇年快加速!
- excel调用python编程-如何在excel中调用python脚本
- python平均工资-2020 10大薪资最高的IT编程语言排名
- Android开发中activity切换动画的实现
- BZOJ 3043 IncDec Sequence:反向差分
- 计算机考研新大纲,2020考研计算机新大纲考情分析
- 奇虎360开源其日志搜索引擎,可处理百万亿级的数据
- python - class类 (七) 三大特性 - 封装 结尾
- 我理解的17种C#写的Hello World程序
- js检测浏览器支持的字体
- 开源终端上网行为管理服务器编译环境搭建
- cv::Mat属性 step, size, step1, elemSize, elemSize1
- IOS内购验证 (Java版)
- 贝加莱PLC使用的几个注意点
- python图像轮廓识别_Python+OpenCV图像处理(十六)—— 轮廓发现
- 作为软件开发人员,3种简单的方法来推销自己
- BZOJ 4809: 皇后
- 初探JavaBean