tf中的矩陣運算

import tensorflow as tf

from numpy import newaxis
from tensorflow.python.ops import math_ops
## tf中的矩陣運算
# 點乘
a = tf.constant([[1,2],[3,4]])
b = tf.constant([[1,1],[2,2]])
sess = tf.session()
print(sess.run(a*b))
# 矩陣乘法
c = tf.constant([[1,2],[3,4]])
d = tf.constant([[1,1],[2,2]])
print(sess.run(tf.matmul(c,d)))
# 矩陣加法
# 矩陣和向量相加，每列加上向量
e = tf.constant([1,1])
print(sess.run(tf.matmul(c,d)+e))
# 增加乙個維度的矩陣乘法 即（？,m）*（？，n）= 對每個？（m，1）*（1，n）
def outer_product(x, y):
# numpy中包含的newaxis可以給原陣列增加乙個維度 np.newaxis放的位置不同，產生的新陣列也不同
return x[:, :, newaxis] * y[:, newaxis, :]
f = tf.constant([[1,2],[3,4]])
g = tf.constant([[1,1,3],[2,2,3]])
i = sess.run(outer_product(f,g))
print(i.shape)
# (?,n) (*) (?,n)點乘
h = tf.constant([[1,2],[3,4]])
j = tf.constant([2,2])
k = math_ops.multiply(h, j)
print(sess.run(k))

tf 矩陣行和列交換 tf矩陣基礎

一 placeholder tensorflow的設計理念稱之為計算流圖，在編寫程式時，首先構築整個系統的graph，並不會直接生效，這一點和python的其他數值計算庫 如numpy等 不同，graph為靜態的，類似於docker中的映象。然後，在實際的執行時，啟動乙個session，程式才會真正...

np和tf中建立隨機矩陣

建立乙個2層3行4列的矩陣 np.random.randn 2,3,4 正態 np.random.randint 1,100,10 隨機10個數,範圍從1到100,構成向量 np.random.randint 1,13,2,3 隨機2行3列的矩陣,值從1到13隨機 np.random.randint...

cublas中的矩陣運算

cublas是乙個可以與cuda一同使用的函式庫，它提供了多種矩陣運算的api，但是它列主序的儲存方式卻讓人十分疑惑，今天我就以cublas中的矩陣乘法運算簡單說一下我的理解。cublas中的矩陣乘法運算函式有5個，分別是cublassgemm cublasdgemm cublascgemm cub...