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。

  • tf.argmin
  • tf.argmax
  • tf.setdiff1d
  • tf.where
  • tf.unique
  • tf.edit_distance
  • tf.invert_permutation
药企,独角兽,苏州。团队长期招人,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