對Tensorflow中的矩陣運算函數(shù)詳解

更新時間：2018年07月27日 09:41:31 作者：昆侖-鄭教主

今天小編就為大家分享一篇對Tensorflow中的矩陣運算函數(shù)詳解，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧

tf.diag(diagonal,name=None) #生成對角矩陣

import tensorflowas tf;
diagonal=[1,1,1,1]
with tf.Session() as sess:
  print(sess.run(tf.diag(diagonal)))

 #輸出的結(jié)果為[[1 0 0 0]
    [0 1 0 0]
    [0 0 1 0]
    [0 0 0 1]]

tf.diag_part(input,name=None) #功能與tf.diag函數(shù)相反,返回對角陣的對角元素

import tensorflow as tf;
diagonal =tf.constant([[1,0,0,0],[0,1,0,0],[0,0,1,0],[0,0,0,1]])
with tf.Session() as sess:
 print(sess.run(tf.diag_part(diagonal)))

#輸出結(jié)果為[1,1,1,1]

tf.trace(x,name=None) #求一個2維Tensor足跡，即為對角值diagonal之和

import tensorflow as tf;
diagonal =tf.constant([[1,0,0,3],[0,1,2,0],[0,1,1,0],[1,0,0,1]])
with tf.Session() as sess:
 print(sess.run(tf.trace(diagonal)))#輸出結(jié)果為4

tf.transpose(a,perm=None,name='transpose') #調(diào)換tensor的維度順序，按照列表perm的維度排列調(diào)換tensor的順序

import tensorflow as tf;
diagonal =tf.constant([[1,0,0,3],[0,1,2,0],[0,1,1,0],[1,0,0,1]])
with tf.Session() as sess:
 print(sess.run(tf.transpose(diagonal))) #輸出結(jié)果為[[1 0 0 1]
                             [0 1 1 0]
                             [0 2 1 0]
                             [3 0 0 1]]

tf.matmul(a,b,transpose_a=False,transpose_b=False,a_is_sparse=False,b_is_sparse=False,name=None) #矩陣相乘

transpose_a=False,transpose_b=False #運算前是否轉(zhuǎn)置

a_is_sparse=False,b_is_sparse=False #a,b是否當(dāng)作系數(shù)矩陣進行運算

import tensorflow as tf;
A =tf.constant([1,0,0,3],shape=[2,2])
B =tf.constant([2,1,0,2],shape=[2,2])
with tf.Session() as sess:
 print(sess.run(tf.matmul(A,B)))

#輸出結(jié)果為[[2 1]
   [0 6]]

tf.matrix_determinant(input,name=None) #計算行列式

import tensorflow as tf;
A =tf.constant([1,0,0,3],shape=[2,2],dtype=tf.float32)
with tf.Session() as sess:
 print(sess.run(tf.matrix_determinant(A)))

#輸出結(jié)果為3.0

tf.matrix_inverse(input,adjoint=None,name=None)

adjoint決定計算前是否進行轉(zhuǎn)置

import tensorflow as tf;
A =tf.constant([1,0,0,2],shape=[2,2],dtype=tf.float64)
with tf.Session() as sess:
 print(sess.run(tf.matrix_inverse(A)))

#輸出結(jié)果為[[ 1. 0. ]
   [ 0. 0.5]]

tf.cholesky(input,name=None) #對輸入方陣cholesky分解，即為將一個對稱正定矩陣表示成一個下三角矩陣L和其轉(zhuǎn)置的乘積德分解

import tensorflow as tf;
A =tf.constant([1,0,0,2],shape=[2,2],dtype=tf.float64)
with tf.Session() as sess:
 print(sess.run(tf.cholesky(A)))

#輸出結(jié)果為[[ 1.   0.  ]
   [ 0.   1.41421356]]

以上這篇對Tensorflow中的矩陣運算函數(shù)詳解就是小編分享給大家的全部內(nèi)容了，希望能給大家一個參考，也希望大家多多支持腳本之家。

您可能感興趣的文章:

相關(guān)文章

numpy 返回函數(shù)的上三角矩陣實例
今天小編就為大家分享一篇numpy 返回函數(shù)的上三角矩陣實例，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧
2019-11-11
python pandas模塊進行數(shù)據(jù)分析
Python的Pandas模塊是一個強大的數(shù)據(jù)處理工具,可以用來讀取、處理和分析各種數(shù)據(jù),本文主要介紹了python pandas模塊進行數(shù)據(jù)分析,具有一定的參考價值,感興趣的可以了解一下
2024-01-01
Python學(xué)習(xí)筆記之open()函數(shù)打開文件路徑報錯問題
這篇文章主要介紹了Python學(xué)習(xí)筆記之open()函數(shù)打開文件路徑報錯問題，小編覺得挺不錯的，現(xiàn)在分享給大家，也給大家做個參考。一起跟隨小編過來看看吧
2018-04-04
python pyenv多版本管理工具的使用
這篇文章主要介紹了python pyenv多版本管理工具的使用，文中通過示例代碼介紹的非常詳細，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值，需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧
2019-12-12
Python多線程threading模塊實例詳解
這篇文章主要介紹了Python多線程threading模塊,對于一個python程序,如果需要同時大量處理多個任務(wù),有使用多進程和多線程兩種方法,在python中,實現(xiàn)多線程主要通過threading模塊,需要的朋友可以參考下
2025-04-04
Python判斷文件或文件夾是否存在的三種方法
本文給大家介紹三種判斷文件或文件夾是否存在的方法，分別使用os模塊、Try語句、pathlib模塊。感興趣的朋友一起看看吧
2017-07-07
Django logging配置及使用詳解
這篇文章主要介紹了Django logging配置及使用詳解,文中通過示例代碼介紹的非常詳細，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值,需要的朋友可以參考下
2019-07-07
python中pd.cut()與pd.qcut()的對比及示例
本文主要介紹了python中pd.cut()與pd.qcut()的對比及示例，文中通過示例代碼介紹的非常詳細，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值，需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧
2022-06-06
python?playwright?庫上傳和下載操作(自動化測試?playwright)
這篇文章主要介紹了python?playwright?庫上傳和下載操作(自動化測試?playwright?),playwright中的上傳和下載比selenium的上傳和下載要簡便些,本文結(jié)合實例代碼給大家介紹的非常詳細，需要的朋友可以參考下
2023-05-05
Python偏函數(shù)介紹及用法舉例詳解
偏函數(shù)(Partial function)是Python的functools模塊提供的一個很有用的功能,它允許我們通過固定部分參數(shù)或關(guān)鍵字參數(shù)來創(chuàng)建一個新的函數(shù),這篇文章主要給大家介紹了關(guān)于Python偏函數(shù)介紹及用法舉例詳解的相關(guān)資料,需要的朋友可以參考下
2024-04-04