[TensorFlow系列-8]：TensorFlow基础 - 张量的取整运算

 作者主页(文火冰糖的硅基工坊)：https://blog.csdn.net/HiWangWenBing

本文网址：https://blog.csdn.net/HiWangWenBing/article/details/119620874

---

目录

 第1 章 Tensor运算概述

1.1 概述

1.3  “in place“运算 

1.4 Tensor的广播机制: 不同维度的tensor实例运算

1.5 环境准备

1.6 取整运算概述

第2章 向下取整：floor()

第3章 向上取整：ceil()

第4章 四舍五入的函数：around() 

第5章 裁剪取整数部分：trunc() -- 不支持

第6章 取小数部分：frac() -- 不支持

第7章 取余数运算：mod()

---

 第1 章 Tensor运算概述

1.1 概述

Tensorflow提供了大量的张量运算，基本上可以对标Numpy多维数组的运算，以支持对张量的各种复杂的运算。

这些操作运算中大多是对数组中每个元素执行相同的函数运算，并获得每个元素函数运算的结果序列，这些序列生成一个新的同维度的数组。

https://tensorflow.google.cn/tutorials/quickstart/beginner?hl=zh-cn

1.2 运算分类

（1）算术运算：加、减、系数乘、系数除

（2）函数运算：sin，cos

（3）取整运算：上取整、下取整

（4）统计运算：最大值、最小值、均值

（5）线性代数运算：矩阵、点乘、叉乘

1.3  “in place“运算 

NA

1.4 Tensor的广播机制: 不同维度的tensor实例运算

1.5 环境准备

#环境准备
import numpy as np
import tensorflow as tf
print("hello world")
print("tensorflow version:", tf.__version__)

1.6 取整运算概述

第2章 向下取整：floor()

floor() 返回小于或者等于指定表达式的最大整数，即向下取整，即小于该数的、与该数最接近的整数。

#实例

a = tf.constant([0.24, 1.0, 2.1,  3, 4.55])  
print  ('原数组：')
print (a)
print ('\n')

print ('运算后：')
print (tf.floor(a))
print (tf.math.floor(a))

#输出结果为：

原数组：
tf.Tensor([0.24 1.   2.1  3.   4.55], shape=(5,), dtype=float32)


运算后：
tf.Tensor([0. 1. 2. 3. 4.], shape=(5,), dtype=float32)
tf.Tensor([0. 1. 2. 3. 4.], shape=(5,), dtype=float32)

第3章 向上取整：ceil()

ceil() 返回大于或者等于指定表达式的最小整数，即向上取整。

#实例

a = tf.constant([0.24, 1.0, 2.1,  3, 4.55])  
print  ('原数组：')
print (a)
print ('\n')

print ('运算后：')
# print (tf.ceil(a)) # 不支持
print (tf.math.ceil(a)) 

#输出结果为：

原数组：
tf.Tensor([0.24 1.   2.1  3.   4.55], shape=(5,), dtype=float32)


运算后：
tf.Tensor([1. 1. 3. 3. 5.], shape=(5,), dtype=float32)

第4章 四舍五入的函数：around() 

around() 函数返回指定数字的四舍五入值。

#实例

a = tf.constant([0.24, 1.0, 2.1,  3, 4.55])  
print  ('原数组：')
print (a)
print ('\n')

print ('运算后：')
print (tf.round(a)) 
print (tf.math.round(a)) 

#输出结果为：

原数组：
tf.Tensor([0.24 1.   2.1  3.   4.55], shape=(5,), dtype=float32)


运算后：
tf.Tensor([0. 1. 2. 3. 5.], shape=(5,), dtype=float32)
tf.Tensor([0. 1. 2. 3. 5.], shape=(5,), dtype=float32)

第5章 裁剪取整数部分：trunc() -- 不支持

trunc() 函数返回指定数字的整数部分

a = tf.constant([0.24, 1.0, 2.1,  3, 4.55])  
print  ('原数组：')
print (a)
print ('\n')

print ('运算后：')
# print (tf.trunc(a))  #不支持
# print (tf.math.trunck(a))  #不支持

#输出结果：

原数组：
tf.Tensor([0.24 1.   2.1  3.   4.55], shape=(5,), dtype=float32)


运算后：

第6章 取小数部分：frac() -- 不支持

frac() 函数返回指定数字的分数

a = tf.constant([0.24, 1.0, 2.1,  3, 4.55])  
print  ('原数组：')
print (a)
print ('\n')

print ('运算后：')
# print (tf.math.frac(a))  #不支持

输出结果：

原数组：
tf.Tensor([0.24 1.   2.1  3.   4.55], shape=(5,), dtype=float32)


运算后：

第7章 取余数运算：mod()

numpy.mod() 计算输入数组中相应元素的相除后的余数。

函数 numpy.remainder() 也产生相同的结果。

实例

a = tf.constant([10,10,10,10,10])
b = tf.constant([1,2,3,4,5])
print("原数据a")
print(a)
print("原数据b")
print(b)

#导数运算
print("运算后数据")
print(a%b)
# print(a.mode(b))  # 不支持
print(tf.math.mod(a,b))

print("原数据a")
print (a)

输出结果为：

原数据a
tf.Tensor([10 10 10 10 10], shape=(5,), dtype=int32)
原数据b
tf.Tensor([1 2 3 4 5], shape=(5,), dtype=int32)
运算后数据
tf.Tensor([0 0 1 2 0], shape=(5,), dtype=int32)
tf.Tensor([0 0 1 2 0], shape=(5,), dtype=int32)
原数据a
tf.Tensor([10 10 10 10 10], shape=(5,), dtype=int32)

---

作者主页(文火冰糖的硅基工坊)：https://blog.csdn.net/HiWangWenBing

本文网址：https://blog.csdn.net/HiWangWenBing/article/details/119620874