您好,登錄后才能下訂單哦!
tensorflow中tf.matrix_diag和tf.matrix_inverse的用法,很多新手對此不是很清楚,為了幫助大家解決這個(gè)難題,下面小編將為大家詳細(xì)講解,有這方面需求的人可以來學(xué)習(xí)下,希望你能有所收獲。
1.tf.matrix_diag(dia):輸入?yún)?shù)是dia,如果輸入時(shí)一個(gè)向量,那就生成二維的對角矩陣,以此類推 2.tf.matrix_inverse(A):輸入如果是一個(gè)矩陣,就是得到逆矩陣,依次類推,只是輸入的A中的元素需要是浮點(diǎn)數(shù),比如tf.float32等格式,如果是整形,就會(huì)出錯(cuò)哈。 例如: 矩陣(二維張量) 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()) 輸出: [[1 0 0] [0 2 0] [0 0 3]] [[ 1. 0. 0. ] [ 0. 0.5 0. ] [ 0. 0. 0.33333334]] 三維數(shù)組(三維張量) 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()) 輸出: [[[1 0 0] [0 2 0] [0 0 3]]] [[[ 1. 0. 0. ] [ 0. 0.5 0. ] [ 0. 0. 0.33333334]]] ---------------------
看完上述內(nèi)容是否對您有幫助呢?如果還想對相關(guān)知識(shí)有進(jìn)一步的了解或閱讀更多相關(guān)文章,請關(guān)注億速云行業(yè)資訊頻道,感謝您對億速云的支持。
免責(zé)聲明:本站發(fā)布的內(nèi)容(圖片、視頻和文字)以原創(chuàng)、轉(zhuǎn)載和分享為主,文章觀點(diǎn)不代表本網(wǎng)站立場,如果涉及侵權(quán)請聯(lián)系站長郵箱:is@yisu.com進(jìn)行舉報(bào),并提供相關(guān)證據(jù),一經(jīng)查實(shí),將立刻刪除涉嫌侵權(quán)內(nèi)容。