跳转至

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]]
回到顶部