Python Tensorflow math.add_n()用法及代码示例

张量流math.add_n()方法将所有通过的张量逐元素相加。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.add_n(inputs, name=None)

争论

输入：它指定tf.Tensor或tf.IndexedSlices对象的列表，并且每个对象的形状和类型必须相同。 tf.IndexedSlices对象在应用方法之前会自动转换为密集张量。
名称：这是可选参数，这是操作的名称。

返回：它返回一个Tensor，其形状和类型与传递的输入的元素相同。

注意：此方法执行与tf.math.accumulate_n相同的操作，但是此方法在开始求和之前会等待输入准备就绪。因此，当输入可能未同时准备好时，这种缓冲导致更多的内存消耗。

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], [2, 8]]) 
b = tf.constant([[2, 1], [6, 7]])   
  
# Applying the math.add_n() function  
# storing the result in 'c'  
c = tf.math.add_n([a, 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)

输出：

Input 1 Tensor("Const_99:0", shape=(2, 2), dtype=int32)
[[1 3]
 [2 8]]
Input 2 Tensor("Const_100:0", shape=(2, 2), dtype=int32)
[[2 1]
 [6 7]]
Output: Tensor("AddN:0", shape=(2, 2), dtype=int32)
[[ 3  4]
 [ 8 15]]

范例2：

# Importing the Tensorflow library  
import tensorflow as tf  
  
# A constant a and b 
a = tf.constant([[1, 1], [2, 6]]) 
b = tf.constant([[5, 1], [8, 7]])   
  
# Applying the math.add_n() function  
# storing the result in 'c'  
c = tf.math.add_n([a, b], name = "Add_N") 
  
# 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_101:0", shape=(2, 2), dtype=int32)
[[1 1]
 [2 6]]
Input 2 Tensor("Const_102:0", shape=(2, 2), dtype=int32)
[[5 1]
 [8 7]]
Output: Tensor("Add_N:0", shape=(2, 2), dtype=int32)
[[ 6  2]
 [10 13]]

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.add_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。