Python Tensorflow math.accumulate_n()用法及代码示例

张量流math.accumulate_n()方法执行对传递的张量列表执行逐元素求和。结果是执行该操作后的张量。该操作在a和b的表示上完成。此方法属于math模块。

用法：tf.math.accumulate_n( inputs, shape=None, tensor_dtype=None, name=None)

争论

输入：此参数获取一个Tensor对象列表，每个对象具有相同的形状和类型。
形状：这是可选参数，它定义输入元素的预期形状。
dtype：这是可选参数，它定义输入的预期数据类型。
名称：这是可选参数，这是操作的名称。

返回：它返回一个具有与输入元素相同的形状和类型的张量。

让我们借助几个示例来了解这个概念：
范例1：

# Importing the Tensorflow library  
import tensorflow as tf  
  
# A constant a and b 
a = tf.constant([[1, 3], [6, 7]]) 
b = tf.constant([[5, 2], [3, 8]])   
  
# Applying the accumulate_n() function  
# storing the result in 'c'  
c = tf.math.accumulate_n([a, b, b]) 
  
# Initiating a Tensorflow session  
with tf.Session() as sess:
    print("Input 1", a) 
    print(sess.run(a)) 
    print("Input 2", b) 
    print(sess.run(b)) 
    print("Output:", c) 
    print(sess.run(c))

输出：

Input 1 Tensor("Const_67:0", shape=(2, 2), dtype=int32)
[[1 3]
 [6 7]]
Input 2 Tensor("Const_68:0", shape=(2, 2), dtype=int32)
[[5 2]
 [3 8]]
Output: Tensor("AccumulateNV2_2:0", shape=(2, 2), dtype=int32)
[[11  7]
 [12 23]]

范例2：

# Importing the Tensorflow library  
import tensorflow as tf  
  
# A constant a and b 
a = tf.constant([[2, 4], [1, 3]]) 
b = tf.constant([[5, 3], [4, 6]])   
  
# Applying the accumulate_n() function  
# storing the result in 'c'  
c = tf.math.accumulate_n([b, a, b], shape =[2, 2], tensor_dtype = tf.int32) 
  
# Initiating a Tensorflow session  
with tf.Session() as sess:
    print("Input 1", a) 
    print(sess.run(a)) 
    print("Input 2", b) 
    print(sess.run(b)) 
    print("Output:", c) 
    print(sess.run(c))

输出：

Input 1 Tensor("Const_73:0", shape=(2, 2), dtype=int32)
[[2 4]
 [1 3]]
Input 2 Tensor("Const_74:0", shape=(2, 2), dtype=int32)
[[5 3]
 [4 6]]
Output: Tensor("AccumulateNV2_5:0", shape=(2, 2), dtype=int32)
[[12 10]
 [ 9 15]]

相关用法

注：本文由纯净天空筛选整理自PranchalKatiyar大神的英文原创作品 Python – Tensorflow math.accumulate_n() method。非经特殊声明，原始代码版权归原作者所有，本译文未经允许或授权，请勿转载或复制。