（二）学习笔记 Tensorflow Python API 1.10 数学运算

数学运算

算术运算符

TensorFlow提供了几个可用于向图形中添加基本算术运算符的操作。

tf.add

tf.subtract

tf.multiply

tf.scalar_mul

tf.div

tf.divide

tf.truediv

tf.floordiv

tf.realdiv

tf.truncatediv

tf.floor_div

tf.truncatemod

tf.floormod

tf.mod

tf.cross

基本数学函数

TensorFlow提供了几个操作，您可以使用这些操作向图形添加基本数学函数。

tf.add_n

tf.abs

tf.negative

tf.sign

tf.reciprocal

tf.square

tf.round

tf.sqrt

tf.rsqrt

tf.pow

tf.exp

tf.expm1

tf.log

tf.log1p

tf.ceil

tf.floor

tf.maximum

tf.minimum

tf.cos

tf.sin

tf.lbeta

tf.tan

tf.acos

tf.asin

tf.atan

tf.cosh

tf.sinh

tf.asinh

tf.acosh

tf.atanh

tf.lgamma

tf.digamma

tf.erf

tf.erfc

tf.squared_difference

tf.igamma

tf.igammac

tf.zeta

tf.polygamma

tf.betainc

tf.rint

矩阵数学函数

TensorFlow提供了几个操作，您可以使用这些操作将矩阵上的线性代数函数添加到图形中。

tf.diag

tf.diag_part

tf.trace

tf.transpose

tf.eye

tf.matrix_diag

tf.matrix_diag_part

tf.matrix_band_part

tf.matrix_set_diag

tf.matrix_transpose

tf.matmul

tf.norm

tf.matrix_determinant

tf.matrix_inverse

tf.cholesky

tf.cholesky_solve

tf.matrix_solve

tf.matrix_triangular_solve

tf.matrix_solve_ls

tf.qr

tf.self_adjoint_eig

tf.self_adjoint_eigvals

tf.svd

张量数学函数

TensorFlow提供了可用于向图表添加张量函数的操作。

tf.tensordot

复数函数

TensorFlow提供了几个操作，您可以使用这些操作将复数函数添加到图形中。

tf.complex

tf.conj

tf.imag

tf.angle

tf.real

Reduction

TensorFlow提供了几个操作，您可以使用这些操作执行常见的数学计算，从而减少张量的各个维度。

tf.reduce_sum

tf.reduce_prod

tf.reduce_min

tf.reduce_max

tf.reduce_mean

tf.reduce_all

tf.reduce_any

tf.reduce_logsumexp

tf.count_nonzero

tf.accumulate_n

tf.einsum

扫描

TensorFlow提供了几个操作，您可以使用这些操作跨张量的一个轴执行扫描（运行总计）。

tf.cumsum

tf.cumprod

分割

TensorFlow提供了几个可用于在张量段上执行常见数学计算的操作。这里，分割是沿着第一维度的张量的分割，即，它定义从第一维度到第一维度的映射 segment_ids。的segment_ids张量应该是第一尺寸的大小，d0与在范围内的连续的ID 0到k，在那里k

例如：

c = tf.constant([[1,2,3,4], [-1,-2,-3,-4], [5,6,7,8]])

tf.segment_sum(c, tf.constant([0, 0, 1]))==>  [[0 0 0 0][5 6 7 8]]

tf.segment_sum

tf.segment_prod

tf.segment_min

tf.segment_max

tf.segment_mean

tf.unsorted_segment_sum

tf.sparse_segment_sum

tf.sparse_segment_mean

tf.sparse_segment_sqrt_n

序列比较和索引

TensorFlow提供了几个操作，您可以使用这些操作向图表添加序列比较和索引提取。您可以使用这些操作来确定序列差异并确定张量中特定值的索引。

tf.argmin

tf.argmax

tf.setdiff1d

tf.where

tf.unique

tf.edit_distance

tf.invert_permutation