TensorFlow是Google設計的開源Python庫，用於開發機器學習模型和深度學習神經網絡。
xlog1py()用於計算元素明智的x * log1p(y)。
用法：tensorflow.math.xlog1py(x, y, name)
參數：
- x:是張量允許的dtypes是bfloat16，half，float32，float64，complex64，complex128。
- y:是張量允許的dtypes是bfloat16，half，float32，float64，complex64，complex128。
- name(optional):它定義了操作的名稱。
返回值：它返回一個張量。
範例1：
Python3
# importing the library
import tensorflow as tf
# Initializing the input tensor
a = tf.constant([ -5, -7, 2, 0, 7], dtype = tf.float64)
b = tf.constant([ 1, 3, 9, 4, 7], dtype = tf.float64)
# Printing the input tensor
print('a:', a)
print('b:', b)
# Calculating result
res = tf.math.xlog1py(a, b)
# Printing the result
print('Result:', res)輸出：
a: tf.Tensor([-5. -7. 2. 0. 7.], shape=(5, ), dtype=float64) b: tf.Tensor([1. 3. 9. 4. 7.], shape=(5, ), dtype=float64) Result: tf.Tensor([-3.4657359 -9.70406053 4.60517019 0. 14.55609079], shape=(5, ), dtype=float64)
範例2：
Python3
# importing the library
import tensorflow as tf
import numpy as np
# Initializing the input tensor
a = tf.constant([ -5 + 2j, -7-5j, 2 + 2j, 5-3j, 7 + 6j], dtype = tf.complex128)
b = tf.constant([ 0 + 0j, 3-1j, 9 + 5j, 4-3j, -6-8j], dtype = tf.complex128)
# Printing the input tensor
print('a:', a)
print('b:', b)
# Calculating result
res = tf.math.xlog1py(a, b)
# Printing the result
print('Result:', res)輸出：
a: tf.Tensor([-5.+2.j -7.-5.j 2.+2.j 5.-3.j 7.+6.j], shape=(5, ), dtype=complex128) b: tf.Tensor([ 0.+0.j 3.-1.j 9.+5.j 4.-3.j -6.-8.j], shape=(5, ), dtype=complex128) Result: tf.Tensor( [ -0. +0.j -11.14114002-5.36818272j 3.90101852+5.75560896j 7.19464281-7.99163829j 28.48660115-1.43986039j], shape=(5, ), dtype=complex128)
相關用法
注：本文由純淨天空篩選整理自aman neekhara大神的英文原創作品 Python – tensorflow.math.xlog1py()。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。