tensorflow接口研讀math_ops(一)

一下硕、一元操作函數(shù)
1.低等數(shù)學(xué)
1.4 tf.scalar_mul(scalar,x) 求x的scalar倍
1.16 tf.abs(x,name=None) 求x的絕對值
1.17 tf.negative(x,name=None) 求x的負數(shù)
1.18 tf.sign(x,name=None) 求x的符號
1.19 tf.reciprocal(x,name=None) 求x的倒數(shù)
1.20 tf.square(x,name=None) 求x的平方
1.21 tf.round(x,name=None) 求離x最近的整數(shù)蜜葱,若有兩值,取偶數(shù)掘譬。
1.22 tf.sqrt(x,name=None) 求x的平方根
1.23 tf.rsqrt(x,name=None) 求(x的平方根)的倒數(shù)
1.25 tf.exp(x,name=None) 求e的x次冪
1.26 tf.expm1(x,name=None) 求(e的x次冪)減1
1.27 tf.log(x,name=None) 求x的自然對數(shù)
1.28 tf.log1p(x,name=None) 求x加1的自然對數(shù)
1.29 tf.ceil(x,name=None) 求比x大的最小整數(shù)
1.30 tf.floor(x,name=None)求比x小的最大整數(shù)
1.33 tf.cos(x,name=None)求cos(x)
1.34 tf.sin(x,name=None)求sin(x)
1.35 tf.lbeta(x,name=None)求ln(|Beta(x)|)
1.36 tf.tan(x,name=None) 求tan
1.37 tf.acos(x,name=None) 求acos
1.38 tf.asin(x,name=None) 求asin
1.39 tf.atan(x,name=None) 求atan
1.40 tf.lgamma(x,name=None)求ln(gamma(x))
1.41 tf.digamma(x,name=None)求lgamma的導(dǎo)數(shù)
1.42 tf.erf(x,name=None) 計算高斯誤差
1.43 tf.erfc(x,name=None) 計算1-高斯誤差
1.50 tf.rint(x,name=None) 計算離x最近的整數(shù)忘蟹,若為中間值飒房,取偶數(shù)值。

1.1   tf.add(x,y,name=None)
1.2   tf.subtract(x,y,name=None)
1.3   tf.multiply(x,y,name=None)

1.5   tf.div(x,y,name=None)
1.6   tf.truediv(x,y,name=None)
1.7   tf.floordiv(x,y,name=None)
1.8   tf.realdiv(x,y,name=None)
1.9   tf.truncatediv(x,y,name=None)
1.10   tf.floor_div(x,y,name=None)
1.11   tf.truncatemod(x,y,name=None)
1.12   tf.floormod(x,y,name=None)
1.13   tf.mod(x,y,name=None)
1.14   tf.cross(x,y,name=None)
1.15   tf.add_n(inputs,name=None)





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

1.31   tf.maximum(x,y,name=None)
1.32   tf.minimum(x,y,name=None)

1.44   tf.squared_difference(x,y,name=None)
1.45   tf.igamma(a,x,name=None)
1.46   tf.igammac(a,x,name=None)
1.47   tf.zeta(x,q,name=None)
1.48   tf.polygamma(a,x,name=None)    
1.49   tf.betainc(a,b,x,name=None) 






math_ops函數(shù)使用媚值,本篇為算術(shù)函數(shù)和基本數(shù)學(xué)函數(shù)狠毯。
######1.1   tf.add(x,y,name=None)

功能:對應(yīng)位置元素的加法運算。
輸入:x,y具有相同尺寸的tensor褥芒,可以為half, float32, float64, uint8, int8, int16, int32, int64,
complex64, complex128, `string‘類型嚼松。
例:
x=tf.constant(1.0)
y=tf.constant(2.0)
z=tf.add(x,y)

z==>(3.0)

######1.2   tf.subtract(x,y,name=None)

功能:對應(yīng)位置元素的減法運算。
輸入:x,y具有相同尺寸的tensor锰扶,可以為half, float32, float64, int32, int64, complex64, complex128,
`string‘類型献酗。
例:
x=tf.constant([[1.0,-1.0]],tf.float64)
y=tf.constant([[2.2,2.3]],tf.float64)
z=tf.subtract(x,y)

z==>[[-1.2,-3.3]]

######1.3   tf.multiply(x,y,name=None)

功能:對應(yīng)位置元素的乘法運算。
輸入:x,y具有相同尺寸的tensor坷牛,可以為half, float32, float64, uint8, int8, uint16,int16, int32, int64,
complex64, complex128, `string‘類型罕偎。
例:
x=tf.constant([[1.0,-1.0]],tf.float64)
y=tf.constant([[2.2,2.3]],tf.float64)
z=tf.multiply(x,y)

z==>[[2.2,-2.3]]


1.5 tf.div(x,y,name=None)[推薦使用tf.divide(x,y)]
功能:對應(yīng)位置元素的除法運算(使用python2.7除法算法,如果x,y有一個為浮點數(shù)京闰,結(jié)果為浮點數(shù);否則為整數(shù)锨亏,但使用該函數(shù)會報錯)。
輸入:x,y具有相同尺寸的tensor忙干,x為被除數(shù)器予,y為除數(shù)。
例:
x=tf.constant([[1,4,8]],tf.int32)
y=tf.constant([[2,3,3]],tf.int32)
z=tf.div(x,y)

z==>[[0,1,2]]

x=tf.constant([[1,4,8]],tf.int64)
y=tf.constant([[2,3,3]],tf.int64)
z=tf.divide(x,y)

z==>[[0.5,1.33333333,2.66666667]]

x=tf.constant([[1,4,8]],tf.float64)
y=tf.constant([[2,3,3]],tf.float64)
z=tf.div(x,y)

z==>[[0.5,1.33333333,2.66666667]]
1.6 tf.truediv(x,y,name=None)
功能:對應(yīng)位置元素的除法運算捐迫。(使用python3除法算法乾翔,又叫真除,結(jié)果為浮點數(shù),推薦使用tf.divide)
輸入:x,y具有相同尺寸的tensor反浓,x為被除數(shù)萌丈,y為除數(shù)。
1.7 tf.floordiv(x,y,name=None)
功能:對應(yīng)位置元素的地板除法運算雷则。返回不大于結(jié)果的最大整數(shù)
輸入:x,y具有相同尺寸的tensor辆雾,x為被除數(shù),y為除數(shù)月劈。
例:
x=tf.constant([[2,4,-1]],tf.int64) #float類型運行結(jié)果一致度迂,只是類型為浮點型
y=tf.constant([[3,3,3]],tf.int64)
z=tf.floordiv(x,y)

z==>[[0,1,-1]]
1.8 tf.realdiv(x,y,name=None)
功能:對應(yīng)位置元素的實數(shù)除法運算。實際情況不非官方描述猜揪,與divide結(jié)果沒區(qū)別惭墓,
輸入:x,y具有相同尺寸的tensor,可以為`half`, `float32`, `float64`, `uint8`, `int8`, `int16`, `int32`, `int64`, 
`complex64`, `complex128`, `string‘類型而姐。
例:
x=tf.constant([[2+1j,4+2j,-1+3j]],tf.complex64)
y=tf.constant([[3+3j,3+1j,3+2j]],tf.complex64)
z=tf.realdiv(x,y)

z==>[[0.50000000-0.16666667j 1.39999998+0.2j 0.23076922+0.84615386j]]
1.9 tf.truncatediv(x,y,name=None)
功能:對應(yīng)位置元素的截斷除法運算腊凶,獲取整數(shù)部分。(和手冊功能描述不符拴念,符號位并不能轉(zhuǎn)為0)
輸入:x,y具有相同尺寸的tensor钧萍,可以為`uint8`, `int8`, `int16`, `int32`, `int64`,類型。(只能為整型政鼠,浮點型等并未注冊风瘦,和手冊不符)
例:
x=tf.constant([[2,4,-7]],tf.int64)
y=tf.constant([[3,3,3]],tf.int64)
z=tf.truncatediv(x,y)

z==>[[0 1 -2]]
1.10 tf.floor_div(x,y,name=None)
功能:對應(yīng)位置元素的地板除法運算。(和tf.floordiv運行結(jié)果一致缔俄,只是內(nèi)部實現(xiàn)方式不一樣)
輸入:x,y具有相同尺寸的tensor弛秋,可以為`half`, `float32`, `float64`, `uint8`, `int8`, `int16`, `int32`, `int64`, 
`complex64`, `complex128`, `string‘類型。
1.11 tf.truncatemod(x,y,name=None)
功能:對應(yīng)位置元素的截斷除法取余運算俐载。
輸入:x,y具有相同尺寸的tensor蟹略,可以為float32`, `float64`,  `int32`, `int64`類型。
例:
x=tf.constant([[2.1,4.1,-1.1]],tf.float64)
y=tf.constant([[3,3,3]],tf.float64)
z=tf.truncatemod(x,y)

z==>[[2.1 1.1 -1.1]]
1.12 tf.floormod(x,y,name=None)
功能:對應(yīng)位置元素的地板除法取余運算遏佣。
輸入:x,y具有相同尺寸的tensor挖炬,可以為float32`, `float64`,  `int32`, `int64`類型。
例:
x=tf.constant([[2.1,4.1,-1.1]],tf.float64)
y=tf.constant([[3,3,3]],tf.float64)
z=tf.truncatemod(x,y)

z==>[[2.1 1.1 1.9]]
1.13 tf.mod(x,y,name=None)
功能:對應(yīng)位置元素的除法取余運算状婶。若x和y只有一個小于0意敛,則計算‘floor(x/y)*y+mod(x,y)’。
輸入:x,y具有相同尺寸的tensor膛虫,可以為`float32`, `float64`,  `int32`, `int64`類型草姻。
例:
x=tf.constant([[2.1,4.1,-1.1]],tf.float64)
y=tf.constant([[3,3,3]],tf.float64)
z=tf.mod(x,y)

z==>[[2.1 1.1 1.9]]
1.14 tf.cross(x,y,name=None)
功能:計算叉乘。最大維度為3稍刀。
輸入:x,y具有相同尺寸的tensor撩独,包含3個元素的向量
例:
x=tf.constant([[1,2,-3]],tf.float64)
y=tf.constant([[2,3,4]],tf.float64)
z=tf.cross(x,y)

z==>[[17. -10. -1]]#2×4-(-3)×3=17敞曹,-(1×4-(-3)×2)=-10,1×3-2×2=-1综膀。
1.15 tf.add_n(inputs,name=None)
功能:將所有輸入的tensor進行對應(yīng)位置的加法運算
輸入:inputs:一組tensor澳迫,必須是相同類型和維度。
例:
x=tf.constant([[1,2,-3]],tf.float64)
y=tf.constant([[2,3,4]],tf.float64)
z=tf.constant([[1,4,3]],tf.float64)
xyz=[x,y,z]
z=tf.add_n(xyz)

z==>[[4. 9. 4.]]
1.18 tf.sign(x,name=None)
功能:求x的符號剧劝,x>0,則y=1;x<0則y=-1;x=0則y=0橄登。
輸入:x,為張量,可以為`half`,`float32`, `float64`,  `int32`, `int64`,`complex64`,`complex128`類型讥此。
例:
x=tf.constant([[1.1,0,-3]],tf.float64)
z=tf.sign(x)

z==>[[1. 0. -1.]]
1.24 tf.pow(x,y,name=None)
功能:計算x各元素的y次方拢锹。
輸入:x,y為張量暂论,可以為`float32`, `float64`, `int32`, `int64`,`complex64`,`complex128`類型面褐。
例:
x=tf.constant([[2,3,5]],tf.float64)
y=tf.constant([[2,3,4]],tf.float64)
z=tf.pow(x,y)

z==>[[4. 27. 625.]]
1.31 tf.maximum(x,y,name=None)
功能:計算x,y對應(yīng)位置元素較大的值拌禾。
輸入:x取胎,y為張量,可以為`half`,`float32`, `float64`,  `int32`, `int64`類型湃窍。
例:
x=tf.constant([[0.2,0.8,-0.7]],tf.float64)
y=tf.constant([[0.2,0.5,-0.3]],tf.float64)
z=tf.maximum(x,y)

z==>[[0.2 0.8 -0.3]]
1.32 tf.minimum(x,y,name=None)
功能:計算x,y對應(yīng)位置元素較小的值闻蛀。
輸入:x,y為張量您市,可以為`half`,`float32`, `float64`,  `int32`, `int64`類型觉痛。
例:
x=tf.constant([[0.2,0.8,-0.7]],tf.float64)
y=tf.constant([[0.2,0.5,-0.3]],tf.float64)
z=tf.maximum(x,y)

z==>[[0.2 0.5 -0.7]]
1.35 tf.lbeta(x,name=None)
功能:計算`ln(|Beta(x)|)`,并以最末尺度進行歸納。
          最末尺度`z = [z_0,...,z_{K-1}]`茵休,則Beta(z) = \prod_j Gamma(z_j) / Gamma(\sum_j z_j)
輸入:x為秩為n+1的張量薪棒,可以為'float','double'類型。
例:
x=tf.constant([[4,3,3],[2,3,2]],tf.float64)
z=tf.lbeta(x)

z==>[-9.62377365 -5.88610403]
#ln(gamma(4)*gamma(3)*gamma(3)/gamma(4+3+3))=ln(6*2*2/362880)=-9.62377365
#ln(gamma(2)*gamma(3)*gamma(2)/gamma(2+3+2))=ln(2/720)=-5.88610403 
######1.44   tf.squared_difference(x,y,name=None)

功能:計算(x-y)(x-y)榕莺。
輸入:x為張量俐芯,可以為half,float32, float64類型。
例:
x=tf.constant([[-1,0,2]],tf.float64)
y=tf.constant([[2,3,4,]],tf.float64)
z=tf.squared_difference(x,y)

z==>[[9. 9. 4.]]

######1.45   tf.igamma(a,x,name=None)

功能:計算gamma(a,x)/gamma(a),gamma(a,x)=\intergral_from_0_to_x t(a-1)*exp(-t)dt钉鸯。
輸入:x為張量吧史,可以為float32, float64類型。
例:
a=tf.constant(1,tf.float64)
x=tf.constant([[1,2,3,4]],tf.float64)
z=tf.igamma(a,x)

z==>[[0.63212056 0.86466472 0.95021293 0.98168436]]

######1.46   tf.igammac(a,x,name=None)

功能:計算gamma(a,x)/gamma(a),gamma(a,x)=\intergral_from_x_to_inf t(a-1)*exp(-t)dt唠雕。
輸入:x為張量贸营,可以為float32, float64類型。
例:
x=tf.constant([[-1,0,1,2,3]],tf.float64)
z=tf.erf(x)

z==>[[-0.84270079 0. 0.84270079 0.99532227 0.99997791]]

######1.47   tf.zeta(x,q,name=None)

功能:計算Hurwitz zeta函數(shù)岩睁。
輸入:x為張量或稀疏張量钞脂,可以為float32, float64類型。
例:
a=tf.constant(1,tf.float64)
x=tf.constant([[1,2,3,4]],tf.float64)
z=tf.zeta(x,a)

z==>[[inf 1.64493407 1.2020569 1.08232323]]

######1.48   tf.polygamma(a,x,name=None)    

功能:計算psi{(a)}(x),psi{(a)}(x) = ({da}/{dxa})*psi(x),psi即為polygamma捕儒。
輸入:x為張量冰啃,可以為float32, float64類型。a=tf.constant(1,tf.float64)
例:
x=tf.constant([[1,2,3,4]],tf.float64)
z=tf.polygamma(a,x)

z==>[[1.64493407 0.64493407 0.39493407 0.28382296]]

######1.49   tf.betainc(a,b,x,name=None) 

功能:計算I_x(a, b)。I_x(a, b) = {B(x; a, b)}/{B(a, b)}亿笤。
B(x; a, b) = \intergral_from_0_to_x t^{a-1} (1 - t)^{b-1} dt翎迁。
B(a, b) = \intergral_from_0_to_1 t^{a-1} (1 - t)^{b-1} dt。即完全beta函數(shù)净薛。
輸入:x為張量汪榔,可以為float32, float64類型。a,b與x同類型肃拜。
例:
a=tf.constant(1,tf.float64)b=tf.constant(1,tf.float64)x=tf.constant([[0,0.5,1]],tf.float64)

z==>[[0. 0.5 1.]]

######1.50   tf.rint(x,name=None) 

功能:計算離x最近的整數(shù)痴腌,若為中間值,取偶數(shù)值燃领。
輸入:x為張量士聪,可以為half,float32, float64類型。
例:
x=tf.constant([[-1.7,-1.5,-1.1,0.1,0.5,0.4,1.5]],tf.float64)
z=tf.rint(x)

z==>[[-2. -2. -1. 0. 0. 0. 2.]]

最后編輯于
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
  • 序言:七十年代末猛蔽,一起剝皮案震驚了整個濱河市剥悟,隨后出現(xiàn)的幾起案子,更是在濱河造成了極大的恐慌曼库,老刑警劉巖区岗,帶你破解...
    沈念sama閱讀 218,122評論 6 505
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件,死亡現(xiàn)場離奇詭異毁枯,居然都是意外死亡慈缔,警方通過查閱死者的電腦和手機,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 93,070評論 3 395
  • 文/潘曉璐 我一進店門种玛,熙熙樓的掌柜王于貴愁眉苦臉地迎上來藐鹤,“玉大人,你說我怎么就攤上這事赂韵∮榻冢” “怎么了?”我有些...
    開封第一講書人閱讀 164,491評論 0 354
  • 文/不壞的土叔 我叫張陵右锨,是天一觀的道長括堤。 經(jīng)常有香客問我,道長绍移,這世上最難降的妖魔是什么悄窃? 我笑而不...
    開封第一講書人閱讀 58,636評論 1 293
  • 正文 為了忘掉前任,我火速辦了婚禮蹂窖,結(jié)果婚禮上轧抗,老公的妹妹穿的比我還像新娘。我一直安慰自己瞬测,他們只是感情好横媚,可當(dāng)我...
    茶點故事閱讀 67,676評論 6 392
  • 文/花漫 我一把揭開白布纠炮。 她就那樣靜靜地躺著,像睡著了一般灯蝴。 火紅的嫁衣襯著肌膚如雪恢口。 梳的紋絲不亂的頭發(fā)上,一...
    開封第一講書人閱讀 51,541評論 1 305
  • 那天穷躁,我揣著相機與錄音耕肩,去河邊找鬼。 笑死问潭,一個胖子當(dāng)著我的面吹牛猿诸,可吹牛的內(nèi)容都是我干的。 我是一名探鬼主播狡忙,決...
    沈念sama閱讀 40,292評論 3 418
  • 文/蒼蘭香墨 我猛地睜開眼梳虽,長吁一口氣:“原來是場噩夢啊……” “哼!你這毒婦竟也來了灾茁?” 一聲冷哼從身側(cè)響起窜觉,我...
    開封第一講書人閱讀 39,211評論 0 276
  • 序言:老撾萬榮一對情侶失蹤,失蹤者是張志新(化名)和其女友劉穎删顶,沒想到半個月后竖螃,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體淑廊,經(jīng)...
    沈念sama閱讀 45,655評論 1 314
  • 正文 獨居荒郊野嶺守林人離奇死亡逗余,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點故事閱讀 37,846評論 3 336
  • 正文 我和宋清朗相戀三年,在試婚紗的時候發(fā)現(xiàn)自己被綠了季惩。 大學(xué)時的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片录粱。...
    茶點故事閱讀 39,965評論 1 348
  • 序言:一個原本活蹦亂跳的男人離奇死亡,死狀恐怖画拾,靈堂內(nèi)的尸體忽然破棺而出啥繁,到底是詐尸還是另有隱情,我是刑警寧澤青抛,帶...
    沈念sama閱讀 35,684評論 5 347
  • 正文 年R本政府宣布旗闽,位于F島的核電站,受9級特大地震影響蜜另,放射性物質(zhì)發(fā)生泄漏适室。R本人自食惡果不足惜,卻給世界環(huán)境...
    茶點故事閱讀 41,295評論 3 329
  • 文/蒙蒙 一举瑰、第九天 我趴在偏房一處隱蔽的房頂上張望捣辆。 院中可真熱鬧,春花似錦此迅、人聲如沸汽畴。這莊子的主人今日做“春日...
    開封第一講書人閱讀 31,894評論 0 22
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽忍些。三九已至鲁猩,卻和暖如春,著一層夾襖步出監(jiān)牢的瞬間罢坝,已是汗流浹背绳匀。 一陣腳步聲響...
    開封第一講書人閱讀 33,012評論 1 269
  • 我被黑心中介騙來泰國打工, 沒想到剛下飛機就差點兒被人妖公主榨干…… 1. 我叫王不留炸客,地道東北人疾棵。 一個月前我還...
    沈念sama閱讀 48,126評論 3 370
  • 正文 我出身青樓,卻偏偏與公主長得像痹仙,于是被迫代替她去往敵國和親是尔。 傳聞我的和親對象是個殘疾皇子,可洞房花燭夜當(dāng)晚...
    茶點故事閱讀 44,914評論 2 355

推薦閱讀更多精彩內(nèi)容