【算子功能描述】
tf.math.abs算子的作用是计算输入数据的绝对值 y = |x|
【案例】
# -*- coding:utf-8 -*-
import tensorflow as tf
import numpy as np
img = np.random.standard_normal(size=(1,3,3)).astype(np.float32)
print(img)
x = tf.placeholder(shape=(1,3,3),dtype=tf.float32)
y = tf.math.abs(x)
with tf.Session() as sess:
y = sess.run(fetches=y,feed_dict={x:img})
print(y)
tf.train.write_graph(graph_or_graph_def=sess.graph,logdir="./",name="./model/tf_math_abs.pb",as_text=True)
输入数据如下:
[[[-1.0353351 1.0076202 -2.4349942 ]
[ 0.9931925 -0.14527066 -1.4662837 ]
[ 0.31412837 -3.0430195 -0.3829416 ]]]
输出数据如下:
[[[1.0353351 1.0076202 2.4349942 ]
[0.9931925 0.14527066 1.4662837 ]
[0.31412837 3.0430195 0.3829416 ]]]
【模型结构】
可以看出该算子的模型结构比较简单,属性"T”表示当前处理的数据类型,为dtype。该属性值时tf自动推断出来并填写的。
该算子的输入节点为name为“Placeholder”的节点。tf pb模型中,算子的name是唯一的,tf用name作为算子的id,用作标识算子,graph中的node的边关系,也是通过name来建立的。
【算子定义】
该算子的定义在 tensorflow/core/ops/math_ops.cc ,具体定义如下:
PS: 我们再做TensorFlow模型优化时,我们可以将pb模型反序列化后,建立自己的图结构,然后将tf模型转换为我们自己的模型。因此。了解每一个算子的定义比较重要。当然,这需要一个TensorFlow基线版本,存在同样的python接口,在不同的tf版本上,底层实现算子不一样的情况,因此,再做tf模型优化时,我们需要了解tf的c++算子定义。