对于很多初学者来说,张量流中tf.matrix_diag和tf.matrix _ inverse的用法不是很清楚。为了帮助大家解决这个问题,下面小编就为大家详细讲解一下。需要的人可以从中学习,希望你能有所收获。
1.tf.matrix_diag(dia):输入参数为dia。如果输入一个向量,将生成一个二维对角矩阵,依此类推。
2.tf.matrix_inverse(A):如果输入是矩阵,就是逆矩阵,以此类推,只是输入A中的元素需要是浮点数,比如tf.float32等。如果是成型的,就会出错。
例如:
矩阵(二维张量)
importtensorflowastf
A=[1,2,3]
B=tf.matrix_diag(A)
printB.eval(session=tf。Session())
B=tf.cast(B,tf.float32)
c=TF . matrix _ reverse(B)
printC.eval(session=tf。Session())
输出:
[[100]
[020]
[003]]
[[1.0.0.]
[0.0.50.]
[0.0.0.33333334]]
三维阵列(三维张量)
importtensorflowastf
A=[[1,2,3]]
B=tf.matrix_diag(A)
printB.eval(session=tf。Session())
B=tf.cast(B,tf.float32)
c=TF . matrix _ reverse(B)
printC.eval(session=tf。Session())
输出:
[[[100]
[020]
[003]]]
[[[1.0.0.]
[0.0.50.]
[0.0.0.33333334]]]
-阅读以上内容对你有帮助吗?如果您想了解更多相关知识或阅读更多相关文章,请关注行业资讯频道,感谢您的支持。
内容来源网络,如有侵权,联系删除,本文地址:https://www.230890.com/zhan/155336.html