TensorFlow是一个广泛用于机器学习和深度学习的开源库。在TensorFlow中,一个OP(操作)是对张量(tensor)进行操作的基本单位。这些操作可以包括数学运算、数据重新排列、读取外部数据以及其他各种类型的操作。
数学运算
加法(tf.add
)
import tensorflow as tf
a = tf.constant([1, 2])
b = tf.constant([3, 4])
result = tf.add(a, b)
这里,tf.add
对张量 a
和 b
进行逐元素的加法运算。
减法(tf.subtract
)
result = tf.subtract(a, b)
乘法(tf.multiply
)
result = tf.multiply(a, b)
除法(tf.divide
)
result = tf.divide(a, b)
数据重塑
Reshape(tf.reshape
)
reshaped_tensor = tf.reshape(tensor, new_shape)
示例:对于一个shape为
(2, 3)
的张量,使用tf.reshape(tensor, (3, 2))
会将其重新塑造为一个(3, 2)
的张量。
聚合操作
求和(tf.reduce_sum
)
sum = tf.reduce_sum(tensor, axis)
示例:如果有一个shape为
(3, 3)
的张量,设置axis=1
将在行上进行求和。
平均值(tf.reduce_mean
)
mean = tf.reduce_mean(tensor, axis)
数据切片和连接
切片(tf.slice
)
sliced = tf.slice(tensor, begin, size)
连接(tf.concat
)
concatenated = tf.concat([tensor1, tensor2], axis)
激活函数
ReLU(tf.nn.relu
)
activated = tf.nn.relu(tensor)
Sigmoid(tf.nn.sigmoid
)
activated = tf.nn.sigmoid(tensor)