从品牌网站建设到网络营销策划,从策略到执行的一站式服务
tensorflow中tf.matrix_diag和tf.matrix_inverse的用法,很多新手对此不是很清楚,为了帮助大家解决这个难题,下面小编将为大家详细讲解,有这方面需求的人可以来学习下,希望你能有所收获。
创新互联建站长期为上千家客户提供的网站建设服务,团队从业经验10年,关注不同地域、不同群体,并针对不同对象提供差异化的产品和服务;打造开放共赢平台,与合作伙伴共同营造健康的互联网生态环境。为巨鹿企业提供专业的成都网站制作、做网站,巨鹿网站改版等技术服务。拥有十余年丰富建站经验和众多成功案例,为您定制开发。
1.tf.matrix_diag(dia):输入参数是dia,如果输入时一个向量,那就生成二维的对角矩阵,以此类推 2.tf.matrix_inverse(A):输入如果是一个矩阵,就是得到逆矩阵,依次类推,只是输入的A中的元素需要是浮点数,比如tf.float32等格式,如果是整形,就会出错哈。 例如: 矩阵(二维张量) import tensorflow as tf; A = [1, 2, 3] B = tf.matrix_diag(A) print B.eval(session=tf.Session()) B = tf.cast(B, tf.float32) C = tf.matrix_inverse(B) print C.eval(session=tf.Session()) 输出: [[1 0 0] [0 2 0] [0 0 3]] [[ 1. 0. 0. ] [ 0. 0.5 0. ] [ 0. 0. 0.33333334]] 三维数组(三维张量) import tensorflow as tf; A = [[1, 2, 3]] B = tf.matrix_diag(A) print B.eval(session=tf.Session()) B = tf.cast(B, tf.float32) C = tf.matrix_inverse(B) print C.eval(session=tf.Session()) 输出: [[[1 0 0] [0 2 0] [0 0 3]]] [[[ 1. 0. 0. ] [ 0. 0.5 0. ] [ 0. 0. 0.33333334]]] ---------------------
看完上述内容是否对您有帮助呢?如果还想对相关知识有进一步的了解或阅读更多相关文章,请关注创新互联行业资讯频道,感谢您对创新互联的支持。
成都网站建设公司地址:成都市青羊区太升南路288号锦天国际A座10层 建设咨询028-86922220
成都快上网科技有限公司-四川网站建设设计公司 | 蜀ICP备19037934号 Copyright 2020,ALL Rights Reserved cdkjz.cn | 成都网站建设 | © Copyright 2020版权所有.
专家团队为您提供成都网站建设,成都网站设计,成都品牌网站设计,成都营销型网站制作等服务,成都建网站就找快上网! | 成都网站建设哪家好? | 网站建设地图