WedX - журнал о программировании и компьютерных науках

Умножить все элементы Tensor в Tensorflow

У меня есть тензор с 3 элементами, которые я хочу умножить друг на друга.

Мой код в настоящее время выглядит так:

m1 = tf.multiply(y[0],y[1])
m2 = tf.multiply(m1,y[2])

Что imho очень негибкое, конечно, я мог бы поставить цикл и перебирать элементы, но мне было интересно, есть ли уже такая функциональность в tf? в документах ничего не нашел

python tensorflow deep-learning
19.05.2017

Ответы:


1

Необходимая функция называется tf.reduce_prod, и ее можно найти здесь: https://www.tensorflow.org/api_docs/python/tf/reduce_prod

19.05.2017

2

используйте 1_

import functools
m_final = functools.reduce(lambda x, y: tf.multiply(x, y), your_matrix_list)
19.05.2017
  • Будет ли функция functools.reduce выполняться на графическом процессоре? Я использую тензорный поток и графический процессор для обучения и не хочу терять время вычислений, переключаясь между процессором и графическим процессором. 19.05.2017
  • @ Kev1n91 Kev1n91 Вы не понимаете, как работает тензорный поток. Когда вы выполняете этот код, он просто добавляет операции в граф и вообще не вычисляет. Вычисление происходит только тогда, когда вы используете sess.run для запуска операции. 19.05.2017
  • Конечно, я просто использую его в качестве бэкэнда в Keras и не реализую там функцию потерь. Я до сих пор не совсем уверен, выполняются ли функции на графическом процессоре или на процессоре, когда затем помещаются в сеанс выполнения, поскольку функция сокращения из functools не реализована ни в одном коде графического процессора. 19.05.2017
  • @ Kev1n91 На самом деле почти весь код, который мы набираем, просто добавляет операции в граф. Я имею в виду, что мы делаем то же самое, что рисуем график, и после рисования графика мы вызываем sess.run для реального выполнения операций. тогда все вычисления выполняются самим тензорным потоком. Чтобы было понятнее, функция reduce выполняется перед любым вычислением. 19.05.2017
    • Новые материалы
    Как создать диаграмму градиентной кисти с помощью D3.js
    Резюме: Из этого туториала Вы узнаете, как добавить градиентную кисть к диаграмме с областями в D3.js. Мы добавим градиент к значениям SVG и применим градиент в качестве заливки к диаграмме с..
    Я хотел выучить язык программирования MVC4, но не мог выучить его раньше, потому что это выглядит сложно…
    Просто начните и учитесь самостоятельно Я хотел выучить язык программирования MVC4, но не мог выучить его раньше, потому что он кажется мне сложным, и я бросил его. Это в основном инструмент..
    Лицензии с открытым исходным кодом: руководство для разработчиков и создателей
    В динамичном мире разработки программного обеспечения открытый исходный код стал мощной парадигмой, способствующей сотрудничеству, инновациям и прогрессу, движимому сообществом. В основе..
    Объяснение документов 02: BERT
    BERT представил двухступенчатую структуру обучения: предварительное обучение и тонкая настройка. Во время предварительного обучения модель обучается на неразмеченных данных с помощью..
    Как проанализировать работу вашего классификатора?
    Не всегда просто знать, какие показатели использовать С развитием глубокого обучения все больше и больше людей учатся обучать свой первый классификатор. Но как только вы закончите..
    Работа с цепями Маркова, часть 4 (Машинное обучение)
    Нелинейные цепи Маркова с агрегатором и их приложения (arXiv) Автор : Бар Лайт Аннотация: Изучаются свойства подкласса случайных процессов, называемых дискретными нелинейными цепями Маркова..
    Crazy Laravel Livewire упростил мне создание электронной коммерции (панель администратора и API) [Часть 3]
    Как вы сегодня, ребята? В этой части мы создадим CRUD для данных о продукте. Думаю, в этой части я не буду слишком много делиться теорией, но чаще буду делиться своим кодом. Потому что..
    Для любых предложений по сайту: [email protected]