tensorflow--tf实现矩阵乘法和加法

tf.add()和tf.matmul()的简单实现

import tensorflow as tf

# tf2默认为即时执行模式

# TensorFlow 使用张量(tensor)作为数据的基本单位。TensorFlow 的张量在概念上等同于多维数组,
# 我们可以使用它来描述数学中的标量(零维数组)、向量(一维数组)、矩阵(二维数组)等
# 定义一个随机数(标量)
random_float = tf.random.uniform(shape=())
print(random_float)
random_int = tf.random.uniform(maxval=10, dtype=tf.int32, shape=())
print(random_int)

# 定义一个有2个元素的零向量
zero_vector = tf.zeros(shape=(2))

# 定义两个2×2的常量矩阵
A = tf.constant([[1., 2.], [3., 4.]])
B = tf.constant([[5., 6.], [7., 8.]])

# 张量的重要属性是形状、类型和值,它们分别可以通过张量的 shape、dtype 属性和numpy()方法获得。
# 查看矩阵A的形状、类型和值
print(A.shape)      # 输出(2, 2),即矩阵的长和宽均为2
print(A.dtype)      # 输出<dtype: 'float32'>
# 张量的numpy()方法是将张量的值转换为一个 NumPy数组。
print(A.numpy())    # 输出[[1. 2.]
                    #      [3. 4.]]

C = tf.add(A, B)    # 计算矩阵A和B的和
D = tf.matmul(A, B) # 计算矩阵A和B的乘积

print(C)
print(D)

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
Tensorflow中,图的节点被称为Operation(操作)。Operation是Tensorflow的基本执行单元,每个Operation都代表一个计算任务。在Tensorflow中,我们可以定义一个计算图,而计算图中的每个节点都是一个Operation。 Operation通常包含以下内容: 1. Operation的类型(例如,加法、乘法、卷积等)。 2. Operation的输入张量(也称为“输入节点”)。 3. Operation的输出张量(也称为“输出节点”)。 4. Operation的属性(例如,卷积的卷积核大小和数量)。 在Tensorflow中,我们可以使用tf.Operation类来创建Operation。下面是一个简单的例子,演示如何在Tensorflow中创建一个Operation: ``` import tensorflow as tf # 创建一个常量Operation,输出为一个标量值 a = tf.constant(2.0) # 创建另一个常量Operation,输出为一个标量值 b = tf.constant(3.0) # 创建一个加法Operation,输入为a和b,输出为a+b c = tf.add(a, b) # 创建一个Session,并运行c with tf.Session() as sess: print(sess.run(c)) ``` 在上面的例子中,我们创建了两个常量Operation(a和b),并使用tf.add()函数创建了一个加法Operation(c)。最后,我们创建了一个Session,并使用sess.run()函数执行了c。 需要注意的是,Operation只有在Session中运行才会被执行。因此,在创建Operation时,我们只是定义了计算任务,而不是执行它们。 此外,Tensorflow还提供了一些方便的函数来创建各种Operation。例如,tf.matmul()函数可以用来创建矩阵乘法Operation。更多关于Operation的详细信息可以参考Tensorflow的官方文档。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
实付
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