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
