数据结构
网络
关系型数据库管理系统
操作系统
Java
MS Excel
iOS
HTML
CSS
Android
Python
C 编程
C++
C#
MongoDB
MySQL
Javascript
PHP
物理学
化学
生物学
数学
英语
经济学
心理学
社会学
时尚研究
法律研究如何使用 Python 中的 TensorFlow 来添加两个矩阵？
TensorFlow 是 Google 提供的一个机器学习框架。它是一个开源框架，与 Python 结合使用以实现算法、深度学习应用程序等等。它用于研究和生产目的。它具有优化技术，有助于快速执行复杂的数学运算。
这是因为它使用了 NumPy 和多维数组。这些多维数组也称为“张量”。该框架支持使用深度神经网络。它具有高度可扩展性，并附带许多流行的数据集。它使用 GPU 计算并自动管理资源。它附带大量机器学习库，并且得到良好支持和记录。该框架能够运行深度神经网络模型，训练它们，并创建预测相应数据集相关特征的应用程序。
可以使用以下代码行在 Windows 上安装“tensorflow”包：
pip install tensorflow
张量是 TensorFlow 中使用的数据结构。它有助于连接流图中的边。此流图称为“数据流图”。张量不过就是多维数组或列表。它们可以使用三个主要属性来识别：
秩
它描述了张量的维度。可以理解为张量的阶数或已定义张量的维度数。
类型
它描述了与张量元素关联的数据类型。它可以是一维、二维或 n 维张量。
形状
它是行数和列数的总和。
我们将使用 Jupyter Notebook 来运行这些代码。可以使用“pip install tensorflow”在 Jupyter Notebook 上安装 TensorFlow。
让我们看一个例子：
示例
import tensorflow as tf
import numpy as np
matrix_1 = np.array([(1,2,3),(3,2,1),(1,1,1)],dtype = 'int32')
matrix_2 = np.array([(0,0,0),(-1,0,1),(3,3,4)],dtype = 'int32')
print("The first matrix is ")
print (matrix_1)
print("The second matrix is ")
print (matrix_2)
print("The sum is ")
matrix_1 = tf.constant(matrix_1)
matrix_2 = tf.constant(matrix_2)
matrix_sum = tf.add(matrix_1, matrix_2)
print((matrix_sum))输出
The first matrix is [[1 2 3] [3 2 1] [1 1 1]] The second matrix is [[ 0 0 0] [-1 0 1] [ 3 3 4]] The sum is tf.Tensor( [[1 2 3] [2 2 2] [4 4 5]], shape=(3, 3), dtype=int32)
解释
导入所需的包并为其提供别名，以便于使用。
使用 Numpy 包创建两个矩阵。
将它们从 Numpy 数组转换为 TensorFlow 中的常量值。
TensorFlow 中的“add”函数用于添加矩阵中的值。
结果总和显示在控制台上。
更新于：2021年1月19日
529 次查看
广告