沿给定轴解决等渗回归问题。
用法
tf.nn.isotonic_regression(
inputs, decreasing=True, axis=-1
)
参数
-
inputs
保持输入的张量。 -
decreasing
如果设置为 False,则优化约束中的不等式将被翻转。 -
axis
解决问题的轴线。
返回
-
output
解决方案的形状与输入的类型相同。 -
segments
一个 int32 张量,与输入的形状相同,指示具有相同值的段。具体来说,那些具有相同值的位置对应于相同的段。这些值从零开始,并且对于每个解决方案都单调递增。
对于每个向量 x,解决的问题是
由于解决方案是component-wise 常量,因此会返回对段进行编码的第二个张量。问题在给定的轴上得到解决。
考虑下面的例子,我们解决了一批两个问题。第一个输入是 [3, 1, 2],而第二个输入是 1, 3, 4 。
>>> x = tf.constant([[3, 1, 2], [1, 3, 4]], dtype=tf.float32)
>>> y, segments = tf.nn.isotonic_regression(x, axis=1)
>>> y # The solution.
<tf.Tensor: shape=(2, 3), dtype=float32, numpy=
array([[3. , 1.5 , 1.5 ],
[2.6666667, 2.6666667, 2.6666667]], dtype=float32)>
请注意,第一个解决方案有两个块 [2] 和 [1.5, 1.5]。第二个解是恒定的,因此只有一个段。这些段正是第二个返回的张量编码的内容:
segments
<tf.Tensor: shape=(2, 3), dtype=int32, numpy=
array([[0, 1, 1],
[0, 0, 0]], dtype=int32)>
相关用法
- Python tf.nn.embedding_lookup_sparse用法及代码示例
- Python tf.nn.RNNCellResidualWrapper.set_weights用法及代码示例
- Python tf.nn.dropout用法及代码示例
- Python tf.nn.gelu用法及代码示例
- Python tf.nn.RNNCellDeviceWrapper.set_weights用法及代码示例
- Python tf.nn.embedding_lookup用法及代码示例
- Python tf.nn.RNNCellDeviceWrapper.get_weights用法及代码示例
- Python tf.nn.local_response_normalization用法及代码示例
- Python tf.nn.scale_regularization_loss用法及代码示例
- Python tf.nn.RNNCellResidualWrapper.add_loss用法及代码示例
- Python tf.nn.max_pool用法及代码示例
- Python tf.nn.RNNCellDropoutWrapper.set_weights用法及代码示例
- Python tf.nn.l2_loss用法及代码示例
- Python tf.nn.log_softmax用法及代码示例
- Python tf.nn.weighted_cross_entropy_with_logits用法及代码示例
- Python tf.nn.ctc_greedy_decoder用法及代码示例
- Python tf.nn.dilation2d用法及代码示例
- Python tf.nn.RNNCellResidualWrapper.get_weights用法及代码示例
- Python tf.nn.compute_average_loss用法及代码示例
- Python tf.nn.RNNCellDeviceWrapper用法及代码示例
- Python tf.nn.atrous_conv2d用法及代码示例
- Python tf.nn.softmax用法及代码示例
- Python tf.nn.sigmoid_cross_entropy_with_logits用法及代码示例
- Python tf.nn.pool用法及代码示例
- Python tf.nn.relu6用法及代码示例
注:本文由纯净天空筛选整理自tensorflow.org大神的英文原创作品 tf.nn.isotonic_regression。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。