Tensorflow2 ——隐式/显式的broadcasting & tensor的数学运算

最新推荐文章于 2023-12-14 22:02:01 发布
最新推荐文章于 2023-12-14 22:02:01 发布
阅读量147 收藏
点赞数
分类专栏： tensorflow 文章标签： python tensorflow 人工智能
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_43201090/article/details/114804569
版权

一、Broadcasting

  • 维度扩张
  • 不copy数据 不占用额外的内存（区别于 tf.tile ）
  • 显式转换 tf.broadcast_to
    在这里插入图片描述
  1. 数学运算时自动转换 ：only shape=1 的dim可以转成其他shape值
    在这里插入图片描述
  2. 手动转换：tf.broadcast(a,[ ])
    在这里插入图片描述
  3. tf.broadcast_to VS tf.expand_dims + tf.tile
    在这里插入图片描述

二、数学运算

  1. + - * / // %
    在这里插入图片描述

  2. exp log
    在这里插入图片描述

  3. pow ** sqrt
    在这里插入图片描述

  4. @ matmul
    在这里插入图片描述
    乘法中的broadcast
    在这里插入图片描述

  5. line layer
    在这里插入图片描述
    y = x@W + b
    在这里插入图片描述
    y = relu( x@W + b )
    在这里插入图片描述

zero requiem
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
tensorflow矩阵和向量的加法：broadcasting机制
cluster1893的博客
05-19 9544
tensorflow矩阵和向量的加法：broadcasting机制 x_data = np.linspace(-1, 1, 300, dtype=np.float32)[:, np.newaxis] print(x_data.shape) xs = tf.placeholder(tf.float32, [None, 1]) Weight = tf.Variable(tf.random_n...
tensorflow第二坑-矩阵向量相乘
热门推荐
Nicoder的专栏
05-12 2万+
突然发现tensorflow的tf.matmul()只能进行矩阵之间相乘，不能进行矩阵和向量相乘！例如：Ws = tf.get_variable('Ws', [hidden_size]) bias_s = tf.get_variable('bs', [1]) score_tensor = tf.matmul(hidden, Ws) + bias_s会报错： ValueError: Shape mu
TensorFlow2.0 Broadcast 与 数学操作
廷益_飞鸟的博客
06-09 251
TensorFlow2.0 Broadcast 与 tile import tensorflow as tf import numpy as np print(tf.__version__) x = tf.random.normal([4, 32, 32, 3]) # 使用+号 直接隐式调用 broadcast 右边对齐，1或相等shape才可以 print((x + tf.random.normal([3])).shape) print((x + tf.random.normal([32, 32, 1
python的广播机制（broadcasting)
weixin_44319196的博客
08-07 1万+
1.python的广播机制什么？ 原理：两个数组的后缘维度相同，或者在其中一方的维度为1。广播在缺失或者长度为1的维度上补充。 2.python的广播机制是做什么用的？ 对缺失维度进行补充，可以减小代码量； 3.举例阐述一下python的广播机制。 后缘维度：A为（3，4，5）的三维数据，B为（4，5）的二维数组。由于A和B的后缘维度都为（4，5），所以可以进行广播机制。 同理:A为（3，4）的二维数组，B为（4，）的1为数组，他们的后缘维度都是4,所以可以进行广播。 其中一方维度为1：A为（4，5）的三维
python中的广播机制(broadcasting)
Never__Say__No的博客
03-08 1067
在python中使用numpy进行按位运算的时候，有一个小技巧可以帮助减少代码量——那就是broadcasting,广播机制。 简单来说，broadcasting可以这样理解：如果你有一个大小为(m,n)的矩阵A，让它加减乘除一个大小为(1,n)的矩阵B，B就会被复制m次，成为一个大小为(m,n)的矩阵，然后再逐元素地进行加减乘除操作, 同样地对B大小为(m,1)的矩阵成立. 例如下面的, 不需要去写A + [100, 100, 100]了 A = numpy.array([1,2,3]) result
Allen_Cahn_2D:使用隐式/显式伪谱求解二维 Allen-Cahn 方程-matlab开发
06-01
u_t= u_{xx}+u_{yy} + u - u^3 其中 uu^3 被显式处理而 u_{xx} 和 u_{yy} 被隐式处理BC = 定期IC =v=sin(2*pi*x)+0.001*cos(16*pi*x)
详解Oracle隐式游标和显式游标
09-09
Oracle数据库提供了两种主要类型的游标：隐式游标和显式游标。 1. **Oracle隐式游标** - **概念**：隐式游标是Oracle在后台自动管理的一种游标，每当执行一个DML（插入、更新、删除）或DDL语句时，系统都会自动...
隐式 Euler 与显式 Euler：比较隐式与显式 Euler-matlab开发
06-01
在质量弹簧阻尼器系统上比较隐式与显式欧拉。 隐式方法基于以下论文： D. Baraff 和 A​​. Witkin，“布料模拟中的大步骤”，第 25 届计算机图形和交互技术年会论文集 - SIGGRAPH '98，1998，第 43-54 页。
C#隐式/显示实现接口方法详解
09-02
2. 编译时类型安全与值类型装箱：在处理值类型时，显式实现可以避免不必要的装箱操作并提高类型安全。如IComparable接口，虽然有泛型版本IComparable，但在某些情况下可能没有对应的泛型版本： ```csharp interface...
SampleIntent:Android上的隐式和显式意图实现的示例项目
05-19
Android上的隐式和显式意图实现的示例项目 意图是Android应用程序中的重要组件之一。 意图对于从一个活动中移出很有用带有或不带有数据的情况下，明确地转移到另一个活动。 通过Intent发送的数据可以是任何常规数据...
小白学Python：广播机制（broadcasting）
qq_40230430的博客
07-19 689
引言 我们曾在《小白学Python：Numpy（二）》中看到，两个形状相同的数组之间可以进行加减乘除幂运算，那么形状不同的数组之间能否进行运算呢？ 答案是可以的！ But !，并不是任意两个形状不同的数组都可以！ 因此，我们需要搞清楚：在何情况下，两个形状不同的数组之间可以进行加减乘除? 这就引出了本文的主角：广播机制（broadcasting）【别被名字吓到~~】 广播机制 如果两个数组的后缘维度（trailing dimension，即从末尾开始算起的维度）的轴长度（size）相等，或其中的一方的长度
Python NumPy 广播（Broadcasting）
最新发布
weixin_42098295的博客
12-14 429
A为（4，5）的二维数组，B为（4，1）的二维数组，两者维度相同， B的数组中一个维度元素个数为1。A为（4，5）的二维数组，B为（1，5）的二维数组，两者维度相同， B的数组中一个维度元素个数为1。A为（4，5）的二维数组，B为（1，1）的二维数组，两者维度相同， B的数组中一个维度元素个数为1。A为（4，5）的二维数组，B为（1，）的二维数组，两者维度相同， B的数组中一个维度元素个数为1。A为（2，3）的二维数组，B为（3，）的1为数组，后缘维度都是3，所以可以进行广播。2）其中一方维度为1。
numpy与tensorflow中的广播(broadcast)机制
bitcarmanlee的博客
04-29 1957
1.numpy中的广播 广播(broadcast)是numpy中经常使用的一个技能点，他能够对不同形状的数组进行各种方式的计算。 举个简单的例子： a = np.array([1, 2, 3]) b = np.array([4, 5, 6]) c = a + b 此时c的结果为[5, 7, 9]。一般情况下要进行a+b的操作，需要a.shape=b.shape。比如上面的例子中，a、b的shap...
TensorFlow, numpy中的broadcast机制
noirblack的专栏
09-19 4313
numpy 有 broadcast 机制，使用它可以让我们的代码更加方便。 TensorFlow 有不少操作支持 broadcast. 通常来说，我们对 numpy 的 ndarray 或者 TensorFlow 中的 tensor 进行 element-wise 操作都要求两个变量的 shape 保持一直。a = np.random.rand(3, 4) b = np.random.rand(
tensorflow 2.0 基础操作 之 Broadcasting机制
ZHE
04-16 3006
3.4_ BroadcastingBroadcasting 机制主要过程理解优点能否 Broadcasting练习tf.broadcast_toBroadcast VS Tile 张量维度扩张的手段，但是没有在数据层面上的复制。 是一种数据优化的手段。高效且直观。 Broadcasting 机制 expand without copying data VS tf.tile 进行数据层面上的 c...
Effective TensorFlow Chapter 4: TensorFlow中的广播Broadcast机制
机器学习杂货铺1号店
12-10 4981
Effective TensorFlow Chapter 4: TensorFlow中的广播Broadcast机制本文翻译自： 《Broadcasting the good and the ugly》， 如有侵权请联系删除，仅限于学术交流，请勿商用。如有谬误，请联系指出。TensorFlow支持广播机制（Broadcast），可以广播元素间操作(elementwise operations)。正常情
TensorFlow中的tf.batch_matmul()
yyhhlancelot的博客
07-24 6986
如果有两个三阶张量，size分别为 a.shape = [100, 3, 4] b.shape = [100, 4, 5] c = tf.batch_matmul(a, b) 则c.shape = [100, 3, 5] //将每一对 3x4 的矩阵与 4x5 的矩阵分别相乘。batch_size不变 100为张量的batch_size。剩下的两个维度为数据的维度。 不过新版的ten...
PyTorch学习笔记（1）- tensor、autograd、神经网络
weixin_42194879的博客
09-06 624
tensor, autograd, 神经网络
Python -Broadcasting
jankon6的博客
08-08 3247
Broadcasting
C++数据类型转换详解：隐式与显式
隐式类型转换是由编译器自动执行的，它在不同数据类型参与运算或赋值时，确保数据以相同的类型处理。这种转换遵循从低精度类型到高精度类型的顺序，例如，如果一个整型和一个浮点型相加，编译器会自动将整型转换为...
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
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