tensorflow
행렬 및 벡터 산술
수색…
요소 단위 승법
텐서에 대해 요소 단위로 곱셈을 수행하려면 다음 중 하나를 사용할 수 있습니다.
-
a*b
-
tf.multiply(a, b)
다음은 두 가지 방법을 사용한 요소 단위 곱셈의 전체 예제입니다.
import tensorflow as tf import numpy as np # Build a graph graph = tf.Graph() with graph.as_default(): # A 2x3 matrix a = tf.constant(np.array([[ 1, 2, 3], [10,20,30]]), dtype=tf.float32) # Another 2x3 matrix b = tf.constant(np.array([[2, 2, 2], [3, 3, 3]]), dtype=tf.float32) # Elementwise multiplication c = a * b d = tf.multiply(a, b) # Run a Session with tf.Session(graph=graph) as session: (output_c, output_d) = session.run([c, d]) print("output_c") print(output_c) print("\noutput_d") print(output_d)
다음을 인쇄합니다.
output_c
[[ 2. 4. 6.]
[ 30. 60. 90.]]
output_d
[[ 2. 4. 6.]
[ 30. 60. 90.]]
스칼라 타임즈 텐서
다음 예제에서는 2 x 3 텐서에 스칼라 값 (2)을 곱합니다.
# Build a graph
graph = tf.Graph()
with graph.as_default():
# A 2x3 matrix
a = tf.constant(np.array([[ 1, 2, 3],
[10,20,30]]),
dtype=tf.float32)
# Scalar times Matrix
c = 2 * a
# Run a Session
with tf.Session(graph=graph) as session:
output = session.run(c)
print(output)
이것은 인쇄합니다.
[[ 2. 4. 6.]
[ 20. 40. 60.]]
도트 제품
두 개의 텐서 사이의 내적은 다음을 사용하여 수행 할 수 있습니다.
tf.matmul(a, b)
전체 예제는 다음과 같습니다.
# Build a graph
graph = tf.Graph()
with graph.as_default():
# A 2x3 matrix
a = tf.constant(np.array([[1, 2, 3],
[2, 4, 6]]),
dtype=tf.float32)
# A 3x2 matrix
b = tf.constant(np.array([[1, 10],
[2, 20],
[3, 30]]),
dtype=tf.float32)
# Perform dot product
c = tf.matmul(a, b)
# Run a Session
with tf.Session(graph=graph) as session:
output = session.run(c)
print(output)
인쇄하다
[[ 14. 140.]
[ 28. 280.]]
Modified text is an extract of the original Stack Overflow Documentation
아래 라이선스 CC BY-SA 3.0
와 제휴하지 않음 Stack Overflow