TensorFlow的数学运算

目录

• 前言
• [1. 运算符与函数的对应关系](#1. 运算符与函数的对应关系)
• 2.何时必须使用函数？

前言

在TensorFlow中既可以使用数学运算符号进行数学运算也可以使用TensorFlow定义好的数学运算方法。

1. 运算符与函数的对应关系

TensorFlow重载了Python运算符，使其能够直接操作张量（Tensor）。例如：

加法：a + b 等价于 tf.add(a, b)

减法：a - b 等价于 tf.subtract(a, b)

乘法：a * b 等价于 tf.multiply(a, b)

除法：a / b 等价于 tf.divide(a, b)

矩阵乘法：a @ b 等价于 tf.matmul(a, b)

import tensorflow as tf

#  定义常量
a = tf.constant(2)
b = tf.constant(3)


# 使用运算符
c1 = a + b  # 结果为 5
print(c1.numpy())

# 使用TensorFlow函数
c2 = tf.add(a, b)  # 结果相同
print(c2.numpy())

结果如下：

5
5

2.何时必须使用函数？

以下场景需直接调用TensorFlow函数：

归约操作：如tf.reduce_sum()（求和）、tf.reduce_mean()（求平均）等。

复杂运算：如矩阵乘法（tf.matmul）、卷积（tf.nn.conv2d）、梯度计算等。

指定参数：如设置计算轴（axis）、数据类型（dtype）或操作名称（name）。

聚合运算:

import tensorflow as tf
import numpy as np

x = np.random.randint(0,10, size=(3,6))
x_mean = tf.reduce_mean(x)
# 默认会聚合所有的维度
print(x_mean.numpy())

# 可以指定聚合的轴
x_reduce_mean = tf.reduce_mean(x, axis=0)
print(x_reduce_mean.numpy())

结果如下;

4
[3 4 6 1 5 5]

矩阵运算:

import tensorflow as tf
import numpy as np

# 矩阵运算
x = np.random.randint(0,10, size=(3,6))
y = np.random.randint(0,10, size=(6,4))
dot = tf.matmul(x, y)
print(dot.numpy())

[[129  73 184 121]
 [ 99  83 137 122]
 [137  63 121  97]]