tensorflow--math
官网：https://tensorflow.google.cn/api_guides/python/math_ops
一、 算术运算符（Arithmetic Operators）
TensorFlow提供了几种操作，可以将基本算术运算符添加到图形中。
- tf.add
- tf.subtract
- tf.multiply
- tf.scalar_mul
- tf.div
- tf.divide
- tf.truediv
- tf.floordiv
- tf.realdiv
- tf.truncatediv
- tf.floor_div
- tf.truncatemod
- tf.floormod
- tf.mod
- tf.cross
二、基本数学函数（Basic Math Functions）
TensorFlow提供了几种可以用来向图形添加基本数学函数的操作。
- tf.add_n
- tf.abs
- tf.negative
- tf.sign
- tf.reciprocal
- tf.square
- tf.round
- tf.sqrt
- tf.rsqrt
- tf.pow
- tf.exp
- tf.expm1
- tf.log
- tf.log1p
- tf.ceil
- tf.floor
- tf.maximum
- tf.minimum
- tf.cos
- tf.sin
- tf.lbeta
- tf.tan
- tf.acos
- tf.asin
- tf.atan
- tf.cosh
- tf.sinh
- tf.asinh
- tf.acosh
- tf.atanh
- tf.lgamma
- tf.digamma
- tf.erf
- tf.erfc
- tf.squared_difference
- tf.igamma
- tf.igammac
- tf.zeta
- tf.polygamma
- tf.betainc
- tf.rint
三、矩阵数学函数（Matrix Math Functions）
TensorFlow提供了几种可以在矩阵上添加线性代数函数的操作。
- tf.diag
- tf.diag_part
- tf.trace
- tf.transpose
- tf.eye
- tf.matrix_diag
- tf.matrix_diag_part
- tf.matrix_band_part
- tf.matrix_set_diag
- tf.matrix_transpose
- tf.matmul
- tf.norm
- tf.matrix_determinant
- tf.matrix_inverse
- tf.cholesky
- tf.cholesky_solve
- tf.matrix_solve
- tf.matrix_triangular_solve
- tf.matrix_solve_ls
- tf.qr
- tf.self_adjoint_eig
- tf.self_adjoint_eigvals
- tf.svd
四、张量数学函数（Tensor Math Function）
TunSoFror提供可以用来将张量函数添加到图表中的操作。
- tf.tensordot
五、复数函数（Complex Number Functions ）
TensorFlow提供了一些可以用来向图形添加复数函数的操作。
- tf.complex
- tf.conj
- tf.imag
- tf.angle
- tf.real
六、减少（ Reduction ）
TensorFlow提供了几种操作，您可以使用它们来执行常见的数学计算，从而减少张量的各种维度。
- tf.reduce_sum
- tf.reduce_prod
- tf.reduce_min
- tf.reduce_max
- tf.reduce_mean
- tf.reduce_all
- tf.reduce_any
- tf.reduce_logsumexp
- tf.count_nonzero
- tf.accumulate_n
- tf.einsum
七、扫面（ Scan ）
TensorFlow提供了几个操作，可以用来在张量的一个轴上执行扫描（运行总计）。
tf.cumsum tf.cumprod
八、分割（ Segmentation ）
TensorFlow提供了一些可以用于在张量段上执行普通数学计算的操作。这里分段是张量沿第一维的分区，即它定义了从第一维到segment_ids的映射。segment_ids张量应该是第一维D0的大小，在0到k的范围内具有连续的ID，其中 k＜D0。特别地，矩阵张量的分割是行到段的映射。
例如（分段处理）：
c = tf.constant([[1,2,3,4], [-1,-2,-3,-4], [5,6,7,8]])
tf.segment_sum(c, tf.constant([0, 0, 1]))
==> [[0 0 0 0]
[5 6 7 8]]
常见函数：
- tf.segment_sum
- tf.segment_prod
- tf.segment_min
- tf.segment_max
- tf.segment_mean
- tf.unsorted_segment_sum
- tf.sparse_segment_sum
- tf.sparse_segment_mean
- tf.sparse_segment_sqrt_n
九、序列比较与索引（ Sequence Comparison and Indexing ）
TensorFlow提供了几个操作，您可以使用这些操作来添加序列比较和索引提取到图表中。您可以使用这些操作来确定序列差异，并确定张量中特定值的索引。
这里是一个广告位，，感兴趣的都可以发邮件聊聊：tiehan@sina.cn
![]()
个人公众号，比较懒，很少更新，可以在上面提问题，如果回复不及时，可发邮件给我： tiehan@sina.cn
