図1に示すように、従来の算術演算
(1)操作の同じタイプではないではありません
1 A = tf.fill([2,2&]、2) #作成=のInt32はDTYPEある 2 プリント(A) 。3 。4 B = tf.ones([2,2&])#は=のfloat32がDTYPEで作成 。5 プリント(B) 。6 。7 プリント(A + B)
できない入力として計算AddV2#1(ゼロベースの)INT32テンソルであることが予想されたが、フロートテンソルである[OP:AddV2]名:アド/
(2)コンピューティングの同じタイプ
A = tf.fill([2,2]、2 ) 印刷(" :\ n " 、) B = tf.ones([2,2 ]) 、印刷(" B:\ n " 、B) プリント(" +のB:\ n "、+のB) プリント(" AB:\ n "、AB ) プリント(" * B:\ n "、* B) プリント(" / B:\ N "、/ B)
出力:
A: tf.Tensor( [ 2.2 。] [ 2.]、形状=(2,2)、DTYPE = のfloat32) B: tf.Tensor( [ 1 1 ] [ 1 1]、形状=(2,2)、DTYPE = のfloat32) + B: tf.Tensor( [ 3.3 。] [ 3. 3.]、形状=(2,2)、DTYPE = のfloat32) - B: tf.Tensor( [ 1 1 ] [ 1 1]、形状=(2,2)、DTYPE = のfloat32) * B: tf.Tensor( [ 2.2 。] [ 2.]、形状=(2,2)、DTYPE = のfloat32) / B: tf.Tensor( [ 2.2 。] [ 2.]、形状=(2,2)、DTYPE =のfloat32)
2、tf.math.logとtf.exp
ベースEにのみ対数、分割数が数式を使用することができる他の塩基-TFを計算するために、ログA Bを=ログのE B /ログのE Aを
1 A = tf.ones([2,2 ]) 2 #B1 = tf.log()#はAttributeError:モジュール'tensorflow'には属性'ログ'がありません 3 B1 = tf.math.log() 4 印刷( B1) 5 6 B2 = tf.exp() #の電子的次方 7 プリント(B2)
出力:
tf.Tensor( [[0。0] [0。0]、形状 =(2,2)、DTYPE = のfloat32)
tf.Tensor( [ 2.7182817 2.7182817 ] [ 2.7182817 2.7182817]、形状=(2,2)、DTYPE =のfloat32)
3、POW、SQRT
1 B = tf.fill([2,2&]、2) #問題がSQRT発生した場合、フロートを計算する必要がない場合は 2 プリント(B) 。3 。4 B1 = tf.pow(B ,. 3) 位B 3電源 。5 プリント(B1) 。6 。7 B2 3 ** = B #Bキューブ 8 プリント(B2) 。9 10 B3 = tf.sqrt(B) #処方B、すなわちB乗0.5 11 印刷(B3)
出力:
tf.Tensor( [ 2.2 。] [ 2.]、形状=(2,2)、DTYPE = のfloat32)
tf.Tensor( [ 8. 8 ] [ 8. 8.]、形状=(2,2)、DTYPE = のfloat32)
tf.Tensor( [ 8. 8 ] [ 8. 8.]、形状=(2,2)、DTYPE = のfloat32)
tf.Tensor( [ 1.4142135 1.4142135 ] [ 1.4142135 1.4142135]、形状=(2,2)、DTYPE =のfloat32)