• Tensorflow常用算数操作


    TensorFlow 将图形定义转换成分布式执行的操作, 以充分利用可用的计算资源(如 CPU 或 GPU。一般你不需要显式指定使用 CPU 还是 GPU, TensorFlow 能自动检测。如果检测到 GPU, TensorFlow 会尽可能地利用找到的第一个 GPU 来执行操作.并行计算能让代价大的算法计算加速执行,TensorFlow也在实现上对复杂操作进行了有效的改进。大部分核相关的操作都是设备相关的实现,比如GPU。

    原文连接:https://cloud.tencent.com/developer/article/1157470

    一些重要的操作:

    操作组   操作
    Maths Add, Sub, Mul, Div, Exp, Log, Greater, Less, Equal
    Array Concat, Slice, Split, Constant, Rank, Shape, Shuffle
    Matrix MatMul, MatrixInverse, MatrixDeterminant
    Neuronal Network SoftMax, Sigmoid, ReLU, Convolution2D, MaxPool
    Checkpointing Save, Restore
    Queues and syncronizations Enqueue, Dequeue, MutexAcquire, MutexRelease
    Flow control Merge, Switch, Enter, Leave, NextIteration

                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                        


    一:tensorflow的算数操作

    操作 描述
    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) 除法
    tf.mod(x, y, name=None) 取模
    tf.abs(x, name=None) 绝对值
    tf.neg(x, name=None) 取负 (y = -x)
    tf.sign(x, name=None) 返回符号 y = sign(x) = -1 if x < 0; 0 if x == 0; 1 if x > 0.
    tf.inv(x, name=None) 取反
    tf.square(x, name=None) 计算平方 (y = x * x = x^2)
    tf.round(x, name=None) 舍入最接近的整数 # ‘a’ is [0.9, 2.5, 2.3, -4.4]tf.round(a) ==> [ 1.0, 3.0, 2.0, -4.0 ]
    tf.sqrt(x, name=None) 开根号 (y = sqrt{x} = x^{1/2}).
    tf.pow(x, y, name=None) 幂次方 (元素级) # tensor ‘x’ is [[2, 2], [3, 3]]# tensor ‘y’ is [[8, 16], [2, 3]]tf.pow(x, y) ==> [[256, 65536], [9, 27]]
    tf.exp(x, name=None) 计算e的次方
    tf.log(x, name=None) 计算log,一个输入计算e的ln,两输入以第二输入为底
    tf.maximum(x, y, name=None) 返回最大值 (x > y ? x : y)
    tf.minimum(x, y, name=None) 返回最小值 (x < y ? x : y)
    tf.cos(x, name=None) 三角函数cosine
    tf.sin(x, name=None) 三角函数sine
    tf.tan(x, name=None) 三角函数tan
    tf.atan(x, name=None) 三角函数ctan
  • 相关阅读:
    Java 判断日期的方法
    HTTP Session例子
    Unity3D性能优化
    TCP学习之二:客户端与服务端的连接
    TCP学习之一:TCP网络编程概念
    TCP学习之三:客户端、服务端同步传输字符串
    TCP学习之四:传输协议
    Lua与.net的CLR相互调用
    HTC vive开发:关于手柄按键
    JavaSESocket编程之简易聊天系统
  • 原文地址:https://www.cnblogs.com/liangshian/p/12006527.html
Copyright © 2020-2023  润新知