math_ops(一)
math_ops函数使用，本篇为算术函数和基本数学函数。
1.1 tf.add(x,y) 加法
1.2 tf.subtract(x,y) 减法
1.3 tf.multiply(x,y) 乘法
1.4 tf.scalar_mul(scalar,x）乘以倍数
1.5 tf.div(x,y) 除法
1.6 tf.truediv(x,y)
1.7 tf.floordiv(x,y) 不大于结果的最大整数
1.8 tf.realdiv(x,y,)
1.9 tf.truncatediv(x,y) 除法，返回整数部分
1.10 tf.floor_div(x,y)
1.11 tf.truncatemod(x,y) 取余
1.12 tf.floormod(x,y)
1.13 tf.mod(x,y)
1.14 tf.cross(x,y) 叉乘
1.15 tf.add_n(inputs) 多个tensor相加
1.16 tf.abs(x） 绝对值
1.17 tf.negative(x) 求反
1.18 tf.sign(x) 符号函数
1.19 tf.reciprocal(x) 求倒数
1.20 tf.square(x) 求平方
1.21 tf.round(x) 求离x最近的整数
1.22 tf.sqrt(x) 求平方根
1.23 tf.rsqrt(x) 求平方根的倒数
1.24 tf.pow(x,y) 求x的y次方
1.25 tf.exp(x) 求自然指数e^x
1.26 tf.expm1(x) 求e^x-1
1.27 tf.log(x) 求自然对数
1.28 tf.log1p(x) 加1后求自然对数
1.29 tf.ceil(x) 求比x大的最小整数
1.30 tf.floor(x) 求比x小的最大整数
1.31 tf.maximum(x,y) 求最大值
1.32 tf.minimum(x,y) 求最小值
1.33 tf.cos(x) 求cos
1.34 tf.sin(x) 求sin
1.35 tf.lbeta(x) 求ln(|Beta(x)|)
1.36 tf.tan(x) 求tan
1.37 tf.acos(x) 求acos
1.38 tf.asin(x) 求asin
1.39 tf.atan(x) 求atan
1.40 tf.lgamma(x) 求ln(gamma(x))
1.41 tf.digamma(x) 求lgamma的导数
1.42 tf.erf(x) 计算高斯误差
1.43 tf.erfc(x) 计算1-高斯误差
1.44 tf.squared_difference(x,y) 计算(x-y)(x-y)
1.45 tf.igamma(a,x) 计算gamma(a,x)/gamma(a),gamma(a,x)=\intergral_from_0_to_x t(a-1)*exp(-t)dt。
1.46 tf.igammac(a,x) 计算gamma(a,x)/gamma(a),gamma(a,x)=\intergral_from_x_to_inf t(a-1)*exp(-t)dt。
1.47 tf.zeta(x,q) 计算Hurwitz zeta函数
1.48 tf.polygamma(a,x) 计算psi{(a)}(x),psi{(a)}(x) = ({da}/{dxa})*psi(x),psi即为polygamma。
1.49 tf.betainc(a,b,x) 计算I_x(a, b)
1.50 tf.rint(x) 计算离x最近的整数
1.51 tf.diag(diagonal)
1.52 tf.diag_part(input)
1.53 tf.trace(x)
1.54 tf.transpose(a,perm=None)
1.55 tf.eye(num_rows, num_columns=None, batch_shape=None, dtype=tf.float32)
1.56 tf.matrix_diag(diagonal)
1.57 tf.matrix_diag_part(input)
1.58 tf.matrix_band_part(input,num_lower,num_upper)
1.59 tf.matrix_set_diag(input,diagonal)
1.60 tf.matrix_transpose(a)
1.61 tf.matmul(a, b, transpose_a=False, transpose_b=False, adjoint_a=False, adjoint_b=False, a_is_sparse=False, b_is_sparse=False)
1.62 tf.norm(tensor, ord='euclidean', axis=None, keep_dims=False)
1.63 tf.matrix_determinant(input)
1.64 tf.matrix_inverse(input, adjoint=None)
1.65 tf.cholesky(input)
1.66 tf.cholesky_solve(chol, rhs)
1.67 tf.matrix_solve(matrix, rhs, adjoint=None)
1.68 tf.matrix_triangular_solve(matrix, rhs, lower=None, adjoint=None)
1.69 tf.matrix_solve_ls(matrix, rhs, l2_regularizer=0.0, fast=True)
1.70 tf.qr(input, full_matrices=None)
1.71 tf.self_adjoint_eig(tensor)
1.72 tf.self_adjoint_eigvals(tensor)
1.73 tf.svd(tensor, full_matrices=False, compute_uv=True)
1.74 tf.tensordot(a, b, axes)
1.75 tf.complex(real, imag)
1.76 tf.conj(x)
1.77 tf.imag(input)
1.78 tf.real(input)
1.79 tf.fft(input, name=None)
1.80 tf.ifft(input, name=None)
1.81 tf.fft2d(input, name=None)
1.82 tf.ifft2d(input, name=None)
1.83 tf.fft3d(input, name=None)
1.84 tf.ifft3d(input, name=None)
1.85 tf.reduce_sum(input_tensor, axis=None, keep_dims=False, reduction_indices=None) 对指定维度求和
1.86 tf.reduce_prod(input_tensor, axis=None, keep_dims=False, reduction_indices=None) 对指定维度求积
1.87 tf.reduce_min(input_tensor, axis=None, keep_dims=False, reduction_indices=None) 对指定维度求最小值
1.88 tf.reduce_max(input_tensor, axis=None, keep_dims=False, reduction_indices=None) 对指定维度求最大值
1.89 tf.reduce_mean(input_tensor, axis=None, keep_dims=False, reduction_indices=None) 对指定维度求平均值
1.90 tf.reduce_all(input_tensor, axis=None, keep_dims=False,reduction_indices=None) 对指定维度进行逻辑与
1.91 tf.reduce_any(input_tensor, axis=None, keep_dims=False, reduction_indices=None) 对指定维度进行逻辑或
1.92 tf.reduce_logsumexp(input_tensor, axis=None, keep_dims=False, reduction_indices=None) 对指定维度求log(sum(exp()))
1.93 tf.count_nonzero(input_tensor, axis=None, keep_dims=False, dtype=tf.int64, reduction_indices=None) 求指定维度非零个数
1.94 tf.accumulate_n(inputs, shape=None, tensor_dtype=None) 求和
1.95 tf.einsum(equation, *inputs) 通过equation进行矩阵乘
1.96 tf.cumsum(x, axis=0, exclusive=False, reverse=False) 对指定维度进行累加
1.97 tf.cumprod(x, axis=0, exclusive=False, reverse=False) 对指定维度进行累积
1.98 tf.segment_sum(data, segment_ids) 求分段和
1.99 tf.segment_prod(data, segment_ids) 求分段积
1.100 tf.segment_min(data, segment_ids) 求分段最小值
1.101 tf.segment_max(data, segment_ids) 求分段最大值
1.102 tf.segment_mean(data, segment_ids) 求分段平均值
1.103 tf.unsorted_segment_sum(data, segment_ids, num_segments) 求分段和（可以不按顺序）
1.104 tf.unsorted_segment_max(data, segment_ids, num_segments) 求分段最大值（可以不按顺序）
1.105 tf.sparse_segment_sum(data, indices, segment_ids) 指定段落再进行分段求和
1.106 tf.sparse_segment_mean(data, indices, segment_ids) 指定段落再进行分段求平均
1.107 tf.sparse_segment_sqrt_n(data, indices, segment_ids) 指定段落再进行分段求和再除N的平方根
1.108 tf.argmin(input, axis=None, dimension=None) 指定维度最小值的下标
1.109 tf.argmax(input, axis=None, dimension=None) 指定维度最大值的下标
1.110 tf.setdiff1d(x, y, index_dtype=tf.int32) 返回元素在x里不在y里元素的下标
1.111 tf.where(condition, x=None, y=None) 返回condition值为true的下标，
1.112 tf.unique(x, out_idx=None) 罗列非重复元素及其编号
1.113 tf.edit_distance(hypothesis, truth, normalize=True) 计算Levenshtein距离
1.114 tf.invert_permutation(x) 坐标与值互换