时间:2021-05-22
tf.diag(diagonal,name=None) #生成对角矩阵
import tensorflowas tf;diagonal=[1,1,1,1]with tf.Session() as sess: print(sess.run(tf.diag(diagonal))) #输出的结果为[[1 0 0 0] [0 1 0 0] [0 0 1 0] [0 0 0 1]]tf.diag_part(input,name=None) #功能与tf.diag函数相反,返回对角阵的对角元素
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)))#输出结果为[1,1,1,1]tf.trace(x,name=None) #求一个2维Tensor足迹,即为对角值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)))#输出结果为4tf.transpose(a,perm=None,name='transpose') #调换tensor的维度顺序,按照列表perm的维度排列调换tensor的顺序
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))) #输出结果为[[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) #矩阵相乘
transpose_a=False,transpose_b=False #运算前是否转置
a_is_sparse=False,b_is_sparse=False #a,b是否当作系数矩阵进行运算
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)))#输出结果为[[2 1] [0 6]]tf.matrix_determinant(input,name=None) #计算行列式
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))) #输出结果为3.0tf.matrix_inverse(input,adjoint=None,name=None)
adjoint决定计算前是否进行转置
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)))#输出结果为[[ 1. 0. ] [ 0. 0.5]]tf.cholesky(input,name=None) #对输入方阵cholesky分解,即为将一个对称正定矩阵表示成一个下三角矩阵L和其转置的乘积德分解
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)))#输出结果为[[ 1. 0. ] [ 0. 1.41421356]]以上这篇对Tensorflow中的矩阵运算函数详解就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持。
声明:本页内容来源网络,仅供用户参考;我单位不保证亦不表示资料全面及准确无误,也不保证亦不表示这些资料为最新信息,如因任何原因,本网内容或者用户因倚赖本网内容造成任何损失或损害,我单位将不会负任何法律责任。如涉及版权问题,请提交至online#300.cn邮箱联系删除。
numpy中的ndarray很适合数组运算transpose是用来转置的一个函数,很容易让人困惑,其实它是对矩阵索引顺序的一次调整。原先矩阵是一个三维矩阵,索引
为了区分三种乘法运算的规则,具体分析如下:importnumpyasnp1.np.multiply()函数函数作用数组和矩阵对应位置相乘,输出与相乘数组/矩阵的
前言NumPy是Python用于处理大型矩阵的一个速度极快的数学库。它允许你在Python中做向量和矩阵的运算,而且很多底层的函数都是用C写的,你将获得在普通P
本文实例讲述了PHP使用数组实现矩阵数学运算的方法。分享给大家供大家参考,具体如下:矩阵运算就是对两个数据表进行某种数学运算,并得到另一个数据表.下面的例子中我
本文主讲Python中Numpy数组的类型、全0全1数组的生成、随机数组、数组操作、矩阵的简单运算、矩阵的数学运算。尽管可以用python中list嵌套来模拟矩