Tensorflow基础:tf.matmul() 和tf.multiply() 的区别
- tf.multiply() 两个矩阵中对应元素各自相乘
格式:
tf.multiply(x, y, name=None)
参数:
x: 一个类型为:half, float32, float64, uint8, int8, uint16, int16, int32, int64, complex64, complex128的张量。
y: 一个类型跟张量x相同的张量。
返回值: x * y element-wise.
注意:
(1)multiply这个函数实现的是元素级别的相乘,也就是两个相乘的数元素各自相乘,而不是矩阵乘法,注意和tf.matmul区别。
(2)两个相乘的数必须有相同的数据类型,不然就会报错。
- tf.matmul()
将矩阵a乘以矩阵b,生成a * b。
格式:
tf.matmul(a, b, transpose_a=False, transpose_b=False, adjoint_a=False, adjoint_b=False, a_is_sparse=False, b_is_sparse=False, name=None)
参数:
a: 一个类型为 float16, float32, float64, int32, complex64, complex128 且张量秩 > 1 的张量。
b: 一个类型跟张量a相同的张量。
transpose_a: 如果为真, a则在进行乘法计算前进行转置。
transpose_b: 如果为真, b则在进行乘法计算前进行转置。
adjoint_a: 如果为真, a则在进行乘法计算前进行共轭和转置。
adjoint_b: 如果为真, b则在进行乘法计算前进行共轭和转置。
a_is_sparse: 如果为真, a会被处理为稀疏矩阵。
b_is_sparse: 如果为真, b会被处理为稀疏矩阵。
name: 操作的名字(可选参数)
返回值: 一个跟张量a和张量b类型一样的张量且最内部矩阵是a和b中的相应矩阵的乘积。
注意:
(1)输入必须是矩阵(或者是张量秩 >2的张量,表示成批的矩阵),并且其在转置之后有相匹配的矩阵尺寸。
(2)两个矩阵必须都是同样的类型,支持的类型如下:float16, float32, float64, int32, complex64, complex128。
引发错误:
ValueError: 如果transpose_a 和 adjoint_a, 或 transpose_b 和 adjoint_b 都被设置为真
Tensorflow基础:tf.matmul() 和tf.multiply() 的区别相关推荐
- python的matmul_关于tf.matmul() 和tf.multiply() 的区别说明
我就废话不多说了,大家还是直接看代码吧~ flyfish # a # [[1, 2, 3], # [4, 5, 6]] a = tf.constant([1, 2, 3, 4, 5, 6], shap ...
- tf.matmul() 和tf.multiply() 的区别
1.tf.multiply()两个矩阵中对应元素各自相乘 格式: tf.multiply(x, y, name=None) 参数: x: 一个类型为:half, float32, float64, ...
- 细分tf.multiply()、tf.matmul()、tf.scalar_mul()函数
tf.multiply() 释义:将两个矩阵中对应元素各自相乘 示例: import tensorflow as tfX = tf.constant([[1, 2, 3], [4, 5 ,6]], d ...
- tensorflow基础(2)-tf.argmax和axis
tf.argmax() 这个函数的主要功能是返回最大值所在的坐标.主要用在分类的时候,如果只是简单的输出,只是对于每一类可能性的预测的输出,但是我要要的输出必须是确定的哪一类,所以需要确定里面的最大的 ...
- tf计算矩阵维度_tf.matmul() 和tf.multiply() 的区别
1.tf.multiply()两个矩阵中对应元素各自相乘 格式: tf.multiply(x, y, name=None) 参数: x: 一个类型为:half, float32, float64, u ...
- TensorFlow 学习(七) — 常用函数 api、tf.nn、tf.keras
0. 四则运算 平方:tf.square(),开方:tf.sqrt() tf.add().tf.sub().tf.mul().tf.div().tf.mod().tf.abs().tf.neg() 1 ...
- tf.matmul / tf.multiply
import tensorflow as tf import numpy as np 1.tf.placeholder placeholder()函数是在神经网络构建graph的时候在模型中的占位,此 ...
- TF学习:Tensorflow基础案例、经典案例集合——基于python编程代码的实现
TF学习:Tensorflow基础案例.经典案例集合--基于python编程代码的实现 目录 Tensorflow的使用入门 1.TF:使用Tensorflow输出一句话 2.TF实现加法 3.TF实 ...
- tf.multiply与tf.matmul的区别
1.tf.multiply()两个矩阵中对应元素各自相乘 格式: tf.multiply(x, y, name=None) 参数: x: 一个类型为:half, float32, float64, u ...
最新文章
- iOS - Frame 项目架构
- HDU - 6185 Covering(暴搜+递推+矩阵快速幂/杜教BM)
- 稀疏矩阵的压缩存储--十字链表(转载)
- 使用jQuery开发tab选项卡插件
- linux caffe生成的模型,深度学习之pytorch转caffe转ncnn模型转换(三)
- 速成pytorch学习——9天构建模型的3种方法
- JavaScript 大揭秘:React、性能优化以及多线程
- Github上不错的Android开源代码(一)
- 第一次scrum冲刺!
- 听音扒谱app_掌握这些,你也可以轻松扒谱(下)
- 程序员应该使用的键盘中英文切换设置
- 使用Docker安装Gitea
- 练习记录-用FSL工具对DTI数据进行FDT预处理
- 华三H3C交换机如何配置堆叠irf虚拟化之如何配置检测机制(配置BFD MAD检测)
- 蓝桥杯--黄金连分数
- 如何用ChatGPT做会议总结?
- 号角的全球与中国市场2022-2028年:技术、参与者、趋势、市场规模及占有率研究报告
- Java并发编程之Exchanger
- java 反射无参方法_无参构造方法 ? 反射
- 真王服务器文件,《真王》全国争霸赛开赛 3V3跨服登场