Python–Tensorflow math . add _ n()方法
原文:https://www . geesforgeks . org/python-tensorflow-math-add _ n-method/
张量流math.add_n()方法逐元素添加所有传递的张量。对 a 和 b 的表示进行运算。
该方法属于数学模块。
语法:
tf.math.add_n(inputs, name=None)论据
- 输入:指定 tf 的列表。张量或 tf。IndexedSlices 对象，每个对象的形状和类型必须相同。tf。在应用方法之前，IndexedSlices 对象会自动转换为密集张量。
- 名称:这是可选参数，这是操作的名称。
Return: 它返回一个与传递的输入元素具有相同形状和类型的张量。
注意:该方法执行与 TF . math . aggregate _ n 相同的操作，但是该方法在开始求和之前等待输入准备就绪。因此，当输入可能没有同时准备好时，这种缓冲会导致更多的内存消耗。
Let’s see this concept with the help of few examples:Example 1:
# Importing the Tensorflow library
import tensorflow as tf
# A constant a and b
a = tf.constant([[1, 3], [2, 8]])
b = tf.constant([[2, 1], [6, 7]])
# Applying the math.add_n() function
# storing the result in 'c'
c = tf.math.add_n([a, b])
# Initiating a Tensorflow session
with tf.Session() as sess:
print("Input 1", a)
print(sess.run(a))
print("Input 2", b)
print(sess.run(b))
print("Output: ", c)
输出:
Input 1 Tensor("Const_99:0", shape=(2, 2), dtype=int32)
[[1 3]
[2 8]]
Input 2 Tensor("Const_100:0", shape=(2, 2), dtype=int32)
[[2 1]
[6 7]]
Output: Tensor("AddN:0", shape=(2, 2), dtype=int32)
[[ 3 4]
[ 8 15]]
例 2:
# Importing the Tensorflow library
import tensorflow as tf
# A constant a and b
a = tf.constant([[1, 1], [2, 6]])
b = tf.constant([[5, 1], [8, 7]])
# Applying the math.add_n() function
# storing the result in 'c'
c = tf.math.add_n([a, b], name = "Add_N")
# Initiating a Tensorflow session
with tf.Session() as sess:
print("Input 1", a)
print(sess.run(a))
print("Input 2", b)
print(sess.run(b))
print("Output: ", c)
print(sess.run(c))
输出:
Input 1 Tensor("Const_101:0", shape=(2, 2), dtype=int32)
[[1 1]
[2 6]]
Input 2 Tensor("Const_102:0", shape=(2, 2), dtype=int32)
[[5 1]
[8 7]]
Output: Tensor("Add_N:0", shape=(2, 2), dtype=int32)
[[ 6 2]
[10 13]]
版权属于：月萌API www.moonapi.com，转载请注明出处
