TensorFlow---Math_tensorflow.math-CSDN博客

本文链接：https://blog.csdn.net/yf289178199/article/details/89156971

本文介绍了TensorFlow中涉及数学的各种函数，包括算术运算符、基本数学函数、矩阵数学函数、复数函数、降维操作、分割操作以及序列比较和索引等，详细列举了每个函数的使用方法。

摘要由CSDN通过智能技术生成

TensorFlow---Math

数学（Math）

数学（Math）

下面介绍TensorFlow中可以使用的数学函数

算术运算符（Arithmetic Operators）

tf.add(x, y, name=None）
```
 求和
```
tf.sub(x,y,name=None)
```
 减法
```
tf.mul(x,y,name=None)
```
 乘法
```
tf.div(x,y,name=None)
```
 商
```
tf.mod(x,y,name=None）
```
	求模
```

基本数学函数（Basic Math Functions）

tf.add_n(inputs,name=None)
```
 添加输入张量元素
```
tf.abs(x,name=None)
```
 计算张量的绝对值
```
tf.nsg(x,name=None)
```
 计算张量数值负值
```

tf.sign(x,name=None)

 计算张量的符号
  <0      -1
  =0       0
  >0       1

tf.inv(x,name=None)
```
 计算张量的倒数
 1/x
```
tf.square(x,name=None)
```
 计算张量的平方
  x * x 
```
tf.round(x,name=None)
```
 计算最接近的整数
```
tf.sqrt(x,name=None)
```
 计算张量的平方根
```
tf.rsqrt(x,name=None)
```
 计算张量的平方根的倒数
```

tf.pow(x,y,name=None)

 计算一个张量与另一个张量的幂值

tf.exp(x,name=None)
```
 计算以e为底，x的指数
```
tf.log(x,name=None)
```
 计算张量x的自然log
```
tf.ceil(x,name=None)
```
 计算不小于x方向的最小整数
```
tf.floor(x,name=None)
```
 计算不大于x方向的最大整数
```

tf.maximum(x,y,name=None)

 计算x与y的最大值
 x > y ? x : y

tf.minimum(x,y,name=None)

 计算x与y 的最小值
 x < y ? x : y

tf.cos(x,name=None)
```
 计算x张量的cos值
```
tf.sin(x,name=None)
```
 计算x张量的sin值
```

矩阵数学函数（Matrix Math Functions）

tf.diag(diagonal, name=None)

 返回具有给定对角线值的对角张量

tf,transpose(a, perm=None,name=‘transpose’)
```
 转置a。根据尺寸置换尺寸perm
```
tf.matmul(a, b, transpose_a=False, transpose_b=False, a_is_sparse=False, b_is_sparse=False, name=None)
```
 矩阵a乘以矩阵b，产生a* b
```
tf.batch_matmul(x, y, adj_x=None, adj_y=None, name=None)
```
将批量的两个张量相互叠加。
```
tf.matrix_determinant(input, name=None)
```
计算方阵的行列式
```

tf.batch_matrix_determinant(input, name=None)

 计算一批方阵的行列式
 输入是一个形状[..., M, M]的张量，其最内部的2个维度形成方形矩阵。
 输出是包含所有输入子矩阵的行列式的1-D张量[..., :, :]

tf.matrix_inverse(input, name=None)

 计算平方可逆矩阵的倒数。检查可逆性

tf.batch_matrix_inverse(input, name=None)

 计算平方可逆矩阵的逆。检查可逆性
 输入是一个形状[..., M, M]的张量，其最内部的2个维度形成方形矩阵。
 输出是与包含所有输入子矩阵的逆的输入相同形状的张量[..., :, :]

tf.cholesky(input, name=None)

 计算方阵的Cholesky分解
 输入必须是对称的和肯定的。只有输入的下三角部分才会用于此操作。不会读取上三角形部分
 结果是输入的Cholesky分解的下三角矩阵

tf.batch_cholesky(input, name=None)

  计算一批方阵的Cholesky分解
  输入是一个形状[..., M, M]的张量，其最内部的2个维度形成方形矩阵，具有与上面的单个矩阵Cholesky分解相同的约束。
  输出是与包含所有输入子矩阵的Cholesky分解的输入相同形状的张量[..., :, :]

复数函数(Complex Number Functions）

TensorFlow提供了几个操作，您可以使用这些操作将复数函数添加到图形中

tf.complex(real, imag, name=None)

 将两个实数转换为复数
 给定real表示复数的实部的张量和imag表示复数的虚部的张量，
 该运算计算形式的元素的复数，其中a表示real部分，b表示imag部分。
 输入张量real和imag必须是相同的形状

tf.complex_abs(x, name=None)

  计算张量的复数绝对值
  给定一个x复数的张量，此操作返回一个张量类型 float，它是每个元素的绝对值x。所有元素x 必须是表单的复数。
  绝对值计算为 $\sqrt{a^2 + b^2}$

tf.conj(in_, name=None)

  返回复数的复共轭
  给定一个in复数的张量，这个操作返回一个复数的张量，
  它是每个元素的复共轭in。复数in必须是形式a+bj，其中a是实部，b是虚部。
  通过该操作返回的复共轭是这种形式

tf.imag(in_, name=None)
```
  返回复数的虚部
```
tf.real(in_, name=None)
```
  返回复数的实部
```

降维（reduce）

TensorFlow提供了几个操作，您可以使用这些操作执行常见的数学计算，从而减少张量的各个维度

tf.reduce_sum(input_tensor, reduction_indices=None, keep_dims=False, name=None)

  计算张量维度的元素总和
  input_tensor沿着给定的尺寸减小reduction_indices。
  除非keep_dims是真的，否则每个条目的张量等级减少1 reduction_indices。
  如果keep_dims为true，则保留缩小的尺寸，长度为1。
  如果reduction_indices没有条目，则减少所有维度，并返回具有单个元素的张量

# 'x' is [[1, 1, 1]]
#         [1, 1, 1]]
tf.reduce_sum(x) ==> 6
tf.reduce_sum(x, 0) ==> [2, 2, 2]
tf.reduce_sum(x, 1) ==> [3, 3]
tf.reduce_sum(x, 1, keep_dims=True) ==> [[3], [3]]
tf.reduce_sum(x, [0, 1]) ==> 6

tf.reduce_prod(input_tensor, reduction_indices=None, keep_dims=False, name=None)

  计算跨张量尺寸的元素乘积
  input_tensor沿着给定的尺寸减小reduction_indices。
  除非keep_dims是真的，否则每个条目的张量等级减少1 reduction_indices。
  如果keep_dims为true，则保留缩小的尺寸，长度为1
  如果reduction_indices没有条目，则减少所有维度，并返回具有单个元素的张量

tf.reduce_min(input_tensor, reduction_indices=None, keep_dims=False, name=None)

  计算张量维度的元素的最小值
  input_tensor沿着给定的尺寸减小reduction_indices。
  除非keep_dims是真的，否则每个条目的张量等级减少1 reduction_indices。
  如果keep_dims为true，则保留缩小的尺寸，长度为1
  如果reduction_indices没有条目，则减少所有维度，并返回具有单个元素的张量

tf.reduce_max(input_tensor, reduction_indices=None, keep_dims=False, name=None)

  计算张量维度的元素最大值
  input_tensor沿着给定的尺寸减小reduction_indices。
  除非keep_dims是真的，否则每个条目的张量等级减少1 reduction_indices。
  如果keep_dims为true，则保留缩小的尺寸，长度为1
  如果reduction_indices没有条目，则减少所有维度，并返回具有单个元素的张量