tf.equal

最新推荐文章于 2023-12-22 20:44:56 发布
最新推荐文章于 2023-12-22 20:44:56 发布
阅读量569 收藏
点赞数 2
分类专栏： TensorFlow - Keras 文章标签： tf.equal
世上没有白读的书，每一页都算数。
本文链接：https://blog.csdn.net/chengyq116/article/details/99685619
版权

tf.equal

https://github.com/tensorflow/docs/tree/r1.4/site/en/api_docs/api_docs/python/tf
site/en/api_docs/api_docs/python/tf/equal.md

equal(
    x,
    y,
    name=None
)

Defined in tensorflow/python/ops/gen_math_ops.py.
See the guide: Control Flow > Comparison Operators

Returns the truth value of (x == y) element-wise.
对输入的 x 和 y 两个 Tensor 逐元素 (element-wise) 做 (x == y) 逻辑比较，返回 bool 类型的 Tensor。

NOTE: Equal supports broadcasting. (Equal 支持 broadcasting。)

1. Args

  • x: A Tensor. Must be one of the following types: half, float32, float64, uint8, int8, int16, int32, int64, complex64, quint8, qint8, qint32, string, bool, complex128.
  • y: A Tensor. Must have the same type as x. (y 的类型必须与 x 相同。)
  • name: A name for the operation (optional). (给这个操作取一个名字，可选。)

2. Returns

A Tensor of type bool.
bool 类型的 Tensor。

3. x 和 y 具有相同的 shape and type

#!/usr/bin/env python
# -*- coding: utf-8 -*-

from __future__ import absolute_import
from __future__ import print_function
from __future__ import division

import os
import sys
import numpy as np
import tensorflow as tf

sys.path.append(os.path.dirname(os.path.abspath(__file__)))
current_directory = os.path.dirname(os.path.abspath(__file__))

print(16 * "++--")
print("current_directory:", current_directory)
print(16 * "++--")

a = tf.constant([1, 2, 3], tf.int32)
b = tf.constant([2, 2, 2], tf.int32)
with tf.Session() as sess:
    print(sess.run(tf.equal(a, b)))

/usr/bin/python2.7 /home/strong/tensorflow_work/R2CNN_Faster-RCNN_Tensorflow/yongqiang.py
2019-08-16 10:26:49.486061: I tensorflow/core/platform/cpu_feature_guard.cc:137] Your CPU supports instructions that this TensorFlow binary was not compiled to use: SSE4.1 SSE4.2 AVX AVX2 FMA
++--++--++--++--++--++--++--++--++--++--++--++--++--++--++--++--
current_directory: /home/strong/tensorflow_work/R2CNN_Faster-RCNN_Tensorflow
++--++--++--++--++--++--++--++--++--++--++--++--++--++--++--++--
2019-08-16 10:26:49.568099: I tensorflow/stream_executor/cuda/cuda_gpu_executor.cc:892] successful NUMA node read from SysFS had negative value (-1), but there must be at least one NUMA node, so returning NUMA node zero
2019-08-16 10:26:49.568341: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1030] Found device 0 with properties: 
name: GeForce GTX 1080 major: 6 minor: 1 memoryClockRate(GHz): 1.7335
pciBusID: 0000:01:00.0
totalMemory: 7.92GiB freeMemory: 7.40GiB
2019-08-16 10:26:49.568352: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1120] Creating TensorFlow device (/device:GPU:0) -> (device: 0, name: GeForce GTX 1080, pci bus id: 0000:01:00.0, compute capability: 6.1)
[False  True False]

Process finished with exit code 0

4. Equal supports broadcasting

在一个数组中查找某个元素索引 (index) 的问题，这个特性配合 tf.cast 在生成 one-hot 向量时将会特别有用。

#!/usr/bin/env python
# -*- coding: utf-8 -*-

from __future__ import absolute_import
from __future__ import print_function
from __future__ import division

import os
import sys
import numpy as np
import tensorflow as tf

sys.path.append(os.path.dirname(os.path.abspath(__file__)))
current_directory = os.path.dirname(os.path.abspath(__file__))

print(16 * "++--")
print("current_directory:", current_directory)
print(16 * "++--")

x = tf.constant(["cheng", "yong", "qiang", "forever", "strong"], tf.string)
y = tf.constant("forever", tf.string)
z = tf.constant("strong", tf.string)
with tf.Session() as sess:
    print(sess.run(tf.equal(x, y)))
    print(sess.run(tf.equal(x, z)))

/usr/bin/python2.7 /home/strong/tensorflow_work/R2CNN_Faster-RCNN_Tensorflow/yongqiang.py
2019-08-16 10:31:27.282706: I tensorflow/core/platform/cpu_feature_guard.cc:137] Your CPU supports instructions that this TensorFlow binary was not compiled to use: SSE4.1 SSE4.2 AVX AVX2 FMA
++--++--++--++--++--++--++--++--++--++--++--++--++--++--++--++--
current_directory: /home/strong/tensorflow_work/R2CNN_Faster-RCNN_Tensorflow
++--++--++--++--++--++--++--++--++--++--++--++--++--++--++--++--
2019-08-16 10:31:27.369848: I tensorflow/stream_executor/cuda/cuda_gpu_executor.cc:892] successful NUMA node read from SysFS had negative value (-1), but there must be at least one NUMA node, so returning NUMA node zero
2019-08-16 10:31:27.370089: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1030] Found device 0 with properties: 
name: GeForce GTX 1080 major: 6 minor: 1 memoryClockRate(GHz): 1.7335
pciBusID: 0000:01:00.0
totalMemory: 7.92GiB freeMemory: 7.41GiB
2019-08-16 10:31:27.370101: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1120] Creating TensorFlow device (/device:GPU:0) -> (device: 0, name: GeForce GTX 1080, pci bus id: 0000:01:00.0, compute capability: 6.1)
[False False False  True False]
[False False False False  True]

Process finished with exit code 0

5. Equal supports broadcasting

#!/usr/bin/env python
# -*- coding: utf-8 -*-

from __future__ import absolute_import
from __future__ import print_function
from __future__ import division

import os
import sys
import numpy as np
import tensorflow as tf

sys.path.append(os.path.dirname(os.path.abspath(__file__)))
current_directory = os.path.dirname(os.path.abspath(__file__))

print(16 * "++--")
print("current_directory:", current_directory)
print(16 * "++--")

a = tf.constant([[1], [2], [3], [4]], tf.int32)
b = tf.constant([[2, 1]], tf.int32)
with tf.Session() as sess:
    print(sess.run(tf.equal(a, b)))

/usr/bin/python2.7 /home/strong/tensorflow_work/R2CNN_Faster-RCNN_Tensorflow/yongqiang.py
2019-08-16 10:37:46.818590: I tensorflow/core/platform/cpu_feature_guard.cc:137] Your CPU supports instructions that this TensorFlow binary was not compiled to use: SSE4.1 SSE4.2 AVX AVX2 FMA
++--++--++--++--++--++--++--++--++--++--++--++--++--++--++--++--
current_directory: /home/strong/tensorflow_work/R2CNN_Faster-RCNN_Tensorflow
++--++--++--++--++--++--++--++--++--++--++--++--++--++--++--++--
2019-08-16 10:37:46.899133: I tensorflow/stream_executor/cuda/cuda_gpu_executor.cc:892] successful NUMA node read from SysFS had negative value (-1), but there must be at least one NUMA node, so returning NUMA node zero
2019-08-16 10:37:46.899384: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1030] Found device 0 with properties: 
name: GeForce GTX 1080 major: 6 minor: 1 memoryClockRate(GHz): 1.7335
pciBusID: 0000:01:00.0
totalMemory: 7.92GiB freeMemory: 7.41GiB
2019-08-16 10:37:46.899394: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1120] Creating TensorFlow device (/device:GPU:0) -> (device: 0, name: GeForce GTX 1080, pci bus id: 0000:01:00.0, compute capability: 6.1)
[[False  True]
 [ True False]
 [False False]
 [False False]]

Process finished with exit code 0

6. x 和 y 具有相同的 shape and type

#!/usr/bin/env python
# -*- coding: utf-8 -*-

from __future__ import absolute_import
from __future__ import print_function
from __future__ import division

import os
import sys
import numpy as np
import tensorflow as tf

sys.path.append(os.path.dirname(os.path.abspath(__file__)))
current_directory = os.path.dirname(os.path.abspath(__file__))

print(16 * "++--")
print("current_directory:", current_directory)
print(16 * "++--")

A = [[1, 2, 3, 4, 5]]
B = [[5, 4, 3, 2, 1]]
with tf.Session() as sess:
    print(sess.run(tf.equal(A, B)))

/usr/bin/python2.7 /home/strong/tensorflow_work/R2CNN_Faster-RCNN_Tensorflow/yongqiang.py
2019-08-16 10:39:53.329412: I tensorflow/core/platform/cpu_feature_guard.cc:137] Your CPU supports instructions that this TensorFlow binary was not compiled to use: SSE4.1 SSE4.2 AVX AVX2 FMA
++--++--++--++--++--++--++--++--++--++--++--++--++--++--++--++--
current_directory: /home/strong/tensorflow_work/R2CNN_Faster-RCNN_Tensorflow
++--++--++--++--++--++--++--++--++--++--++--++--++--++--++--++--
2019-08-16 10:39:53.409806: I tensorflow/stream_executor/cuda/cuda_gpu_executor.cc:892] successful NUMA node read from SysFS had negative value (-1), but there must be at least one NUMA node, so returning NUMA node zero
2019-08-16 10:39:53.410046: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1030] Found device 0 with properties: 
name: GeForce GTX 1080 major: 6 minor: 1 memoryClockRate(GHz): 1.7335
pciBusID: 0000:01:00.0
totalMemory: 7.92GiB freeMemory: 7.41GiB
2019-08-16 10:39:53.410057: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1120] Creating TensorFlow device (/device:GPU:0) -> (device: 0, name: GeForce GTX 1080, pci bus id: 0000:01:00.0, compute capability: 6.1)
[[False False  True False False]]

Process finished with exit code 0
Yongqiang Cheng
关注
专栏目录
tensorflow.rar python3.5配套使用
12-14
`tf.argmax`和`tf.equal`可用于预测。 11. **数据预处理**：TensorFlow提供了`tf.data` API，用于读取、转换和批处理数据，便于模型训练。 12. **Eager Execution**：在TensorFlow 1.x中，你可以启用Eager ...
tf.equal(a,b)的用法与解析
tian_jiangnan的博客
06-09 652
当a与b是数字的时候 import tensorflow as tf a=tf.constant(2) b=tf.constant(3) c=tf.equal(a,b) with tf.Session() as sess: print(sess.run(c)) 当a是字符串的时候 import tensorflow as tf a=tf.constant("a") b=tf.constant("a") c=tf.equal(a,b) with tf.Session() as sess.
tf.equal()函数用法及解析
荒野的博客
05-08 1万+
tf.equal()函数学习 tf.equal()函数 函数定义 equal(x, y, name=None) 函数作用及参数解读 equal，相等的意思。顾名思义，该函数用来判断相等 tf.equal(A, B)是对比这两个矩阵或者向量的相等的元素，如果是相等的那就返回True，反正返回False，返回的值的矩阵维度和A是一样的 由于是逐元素的对比，所以x和y的维度也要相同 其中： x,y:...
tf.equal函数
weixin_49346755的博客
05-14 830
函数原型 tf.math.equal( x, y, name=None ) 函数说明 判断两个张量在相对应的元素上是否相同，结果用bool值来表示。 函数使用 >>> a = tf.constant([[1, 2], [3, 4]]) >>> a <tf.Tensor: shape=(2, 2), dtype=int32, numpy= array([[1, 2], [3, 4]])> >>> b = 2 # 与单个数
tf.equal()函数介绍和示例
wk的博客
09-07 1210
tf.equal()函数介绍和示例 tf.equal(A, B, name=None) 释义：对比 A，B 矩阵或向量的元素，若相等则返回True，否则返回False 注意：不同数据类型比较会报错，需要转换为相同数据类型进行比较 示例： import tensorflow as tf X = tf.constant([1.,2.,3.,4.,5.,6.], dtype=tf.float32) Y...
tf.equal()
weixin_36670529的博客
10-14 1550
tf.equal( x, y, name=None ) 返回(x == y)元素的真值。 参数： x: 张量。必须是以下类型之一:bfloat16、half、float32、float64、uint8、int8、int16、int32、int64、complex64、quint8、qint8、qint32、string、bool、complex128。 y:...
tf.equal()用法
liang_yy的博客
06-29 1948
tf.equal(x, y) 在矩阵或者向量x和y中，如果相同位置元素相等，返回True，否则返回False x=np.array([[1,2,3],[4,5,6]]) y=np.array([[1,5,3],[2,5,2]]) z=np.equal(x,y) print(z) 运行结果如下 [[ True False True] [False True ...
coding.rar
06-06
correct_pred = tf.equal(tf.argmax(y_pred, 1), tf.argmax(y_true, 1)) accuracy = tf.reduce_mean(tf.cast(correct_pred, tf.float32)) ``` 综上所述，"coding.rar"提供的代码笔记涵盖了TensorFlow的基本操作，...
Tensorflow_Learn:通过TF API工作
03-08
accuracy = tf.reduce_mean(tf.cast(tf.equal(predictions, test_Y), tf.float32)) print("Accuracy:", sess.run(accuracy)) ``` 以上就是使用 TensorFlow API 的基本步骤。通过 Jupyter Notebook，你可以逐步构建...
索引与切片-2.pdf
09-21
mask = tf.equal(subjects, target_subject) # 假设target_subject是目标课程的索引 filtered_students = tf.boolean_mask(students, mask) ``` 最后，`tf.gather_nd`和`tf.boolean_mask`等操作是进行维度变换的...
tf_卷积神经网络_tensorflow_源码
10-02
7. 评估与预测：在测试集上评估模型性能，使用`tf.argmax`和`tf.equal`计算预测准确率。 8. 模型保存与加载：使用TensorFlow的`tf.train.Saver`类保存和恢复模型的权重，便于后续使用或继续训练。 这个项目的源码...
tenflow 入门 tf.equal(）用法
ustbbsy的博客
03-15 4万+
tensorflow 中tf.equal()用法：equal(x, y, name=None)equal，相等的意思。顾名思义，就是判断，x, y 是不是相等，它的判断方法不是整体判断，而是逐个元素进行判断，如果相等就是True，不相等，就是False。由于是逐个元素判断，所以x，y 的维度要一致。看个例子：import tensorflow as tf a = [[1,2,3],[4,5,6]]...
深度学习数据处理（一）
最新发布
xyk2795950571的博客
12-22 1217
TensorFlow 是一个功能强大的机器学习框架，具有广泛的应用和活跃的社区支持。在使用 TensorFlow 进行机器学习和深度学习开发时，需要掌握一些基本概念和技术，例如：张量：TensorFlow 中的基本数据类型，它们是多维数组，可以表示各种类型的数据。计算图：TensorFlow 的计算模型，它由一系列节点和边组成，每个节点代表一个操作，边代表张量的流动。变量：TensorFlow 中的状态，它们是可以被训练的张量，可以存储模型的参数和其他状态信息。
[476]tf.equal()
周小董
12-30 621
equal(x, y, name=None) x 只支持以下类型：half, float32, float64, uint8, int8, int16, int32, int64, complex64, quint8, qint8, qint32, string, bool, complex128 y 的类型必须与 x 相同 name 给这个操作取一个名称，可选 返回 bool 类型的 T...
Python之Tensorflow中的tf.equal() and tf.argmax() 用法讲解
小林九
09-09 725
tf.equal()： equal(x, y, name=None) 判断x, y是否相等，它的判断方法不是整体判断，而是逐个元素进行判断，如果相等就是True，不相等就是False，由于是逐个元素判断，所以x，y 的维度要一致。 例如： import tensorflow as tf a = [[1,2,3],[4,5,6]] b = [[1,0,3],[1,5,1]] with tf.Session() as sess: print(sess.run(tf.equal(a,b))) #结果： #
TensorFlow学习笔记-tf.equal()
takethevow的博客
04-18 1480
tf.equal() 比较两个数组/矩阵的对应元素，返回一个布尔值向量，对应位置相等返回True；不等返回False。 示例： A = [1,0,1,0,0] B = [1,1,1,1,0] with tf.Session() as sess: print(sess.run(tf.equal(A, B)))
tf.equal的使用
热门推荐
UESTC_C2_403的博客
05-16 6万+
tf.equal(A, B)是对比这两个矩阵或者向量的相等的元素，如果是相等的那就返回True，反正返回False，返回的值的矩阵维度和A是一样的 import tensorflow as tf import numpy as np A = [[1,3,4,5,6]] B = [[1,3,4,3,2]] with tf.Session() as sess: print(sess.ru
predicted = tf.equal(tf.argmax(y, 1), tf.cast(y_data, tf.int64)) accuracy = tf.reduce_mean(tf.cast(predicted, tf.float32))
05-12
这段代码是用于计算模型的准确率的。 首先，`tf.argmax(y, 1)`用于获取模型输出`y`的最大概率所对应的类别索引，其第二个参数`1`表示在每一行中获取最大值所在的列索引。 然后，`tf.cast(y_data, tf.int64)`将真实标签数据类型转换为`int64`类型。 接着，`tf.equal()`函数将两者进行比较，返回一个布尔型的张量，表示每个样本是否预测正确。 最后，`tf.cast()`函数将布尔型的张量转换为浮点型的张量，并且使用`tf.reduce_mean()`函数计算出平均准确率。 注意，这段代码的前提是`y`和`y_data`的维度要相同，即`y`的第一个维度（batch size）和`y_data`的第一个维度（样本数）要相同。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

Yongqiang Cheng

梦想不是浮躁，而是沉淀和积累。

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值