Python Tensorflow math.add_n()用法及代碼示例

張量流math.add_n()方法將所有通過的張量逐元素相加。該操作在a和b的表示上完成。
此方法屬於math模塊。

用法：tf.math.add_n(inputs, name=None)

爭論

輸入：它指定tf.Tensor或tf.IndexedSlices對象的列表，並且每個對象的形狀和類型必須相同。 tf.IndexedSlices對象在應用方法之前會自動轉換為密集張量。
名稱：這是可選參數，這是操作的名稱。

返回：它返回一個Tensor，其形狀和類型與傳遞的輸入的元素相同。

注意：此方法執行與tf.math.accumulate_n相同的操作，但是此方法在開始求和之前會等待輸入準備就緒。因此，當輸入可能未同時準備好時，這種緩衝導致更多的內存消耗。

讓我們借助幾個示例來了解這個概念：
範例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)

輸出：

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]]

範例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))

輸出：

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]]

相關用法

注：本文由純淨天空篩選整理自PranchalKatiyar大神的英文原創作品 Python – Tensorflow math.add_n() method。非經特殊聲明，原始代碼版權歸原作者所有，本譯文未經允許或授權，請勿轉載或複製。