各位同學好，今天和大家分享一下TensorFlow2.0中的數學運算方法、合并與分割。內容有：

（1）基本運算；（2）矩陣相乘；（3）合并 tf.concat()、tf.stack()；（4）分割 tf.split()、tf.unstack()

那我們開始吧。

---

1. 基本數學運算

開始之前，我們先定義兩個tensor，下面的計算都使用這兩個

# 2行2列的全為2的tensor
a = tf.fill([2,2],2.) 
# 2行2列全1tensor，默認float32
b = tf.ones([2,2]) 

1.1 加減乘除

計算前要保證兩個tensor的數據類型相同。

# ==1== 加減乘除
a+b  # 元素之間相加
a-b  # 元素之間相減
a*b  # 元素之間相乘，理解為矩陣的點乘
a/b  # 元素之間相除

??

---

1.2 求余取整

# ==2== 取整求余
a // b  # a/b 取整除數
a % b   # a/b 取余數

---

1.3 對數和指數

求對數log：?tf.math.log(a)

注意，這里的 log 的底數統一都是 e

a = tf.ones([2,2])
# 求a的每一個元素求對數
tf.math.log(a)

如果想要對數的底數是其他值，需要通過公式計算：

如果在tensorflow中要計算?，方法如下，保證計算的兩個tensor數據類型相同

tf.math.log(8.)/tf.math.log(2.)

指數計算?? ：tf.exp(tensor)

a = tf.ones([2,2])
# 對tensor中的每一個元素求ex
tf.exp(a)

---

1.4 求次方、開平方

求n次方：（1）tf.pow(tensor, n)? ?（2）tensor**n

對tensor中的每個元素求n次方

求平方：?tf.square(tensor)

對tensor中的每個元素求平方

開平方： tf.sqrt(tensor)

對tensor中的每個元素求平方根

a = tf.fill([2,2],2.)
#（1）求n次方
# 法一：
tf.pow(a,2)
# 法二：
a**2
#（2）開平方
tf.sqrt(a)

??

---

2. 矩陣相乘

方法：（1）變量1 @ 變量2? （2）tf.mutmul(變量1, 變量2)

2.1 對于二維矩陣

# 創建二維矩陣，保證數據類型相同
a = tf.ones([2,2])  # 2行2列全1.0
b = tf.fill([2,2],2.)  # 2行2列全2.0
# 法一：
a @ b
# 法二：
tf.matmul(a,b)

---

2.2 對于高維矩陣

# 創建三維tensor
a = tf.ones([4,2,3])
b = tf.fill([4,3,5],2.)
# 法一：
a@b
# 法二：
tf.matmul(a,b)

可以將這幾個維度理解為 [圖像,行,列]，將圖像維度單獨看作一個維度，對后面兩個維度進行矩陣相乘計算，維度相乘公式如下 [b, h, w] @ [b, w, k] = [b, h, k]

利用廣播對不滿足要求的矩陣擴張后再進行矩陣運算，維度相乘公式為：

?[b, h, w] @ [w, k] = [b, h, k]

a = tf.ones([4,2,3])
b = tf.fill([3,5],2.)
# 矩陣相乘
a @ b  #計算時自動廣播

---

3. 合并

3.1 tf.concat()

tf.concat( [tensor1,tensor2,..] , axis )

在指定的某個維度上合并，其他維度不變，不產生新的維度。在使用該方法進行合并兩個tensor變量時，除axis指定的維度可以不相等，其他維度必須相等。

首先創建2個三維的tensor變量，在axis=0時的維度不同，其他維度相同。指定軸axis=0對兩個tensor合并。

# 創建三維的tensor
a = tf.ones([4,35,8]) # 可以理解為收集前4個班級35名學生8門課的成績
b = tf.ones([2,35,8])
# 將a和b合并，指定軸axis=0，在班級維度上合并
c = tf.concat([a,b],axis=0) 
c.shape

---

3.2 tf.stack()

tf.stack([tensor1,tensor,...], axis)

在指定軸的位置創建一個新的維度，用來合并幾個所有維度都相同的tensor變量。要求被合并的tensor變量的shape完全一樣。如果axis是正數，在指定軸前面創建一個維度；axis是負數，在指定軸后面創建。

# 創建兩個相同shape的tensor變量
a = tf.ones([4,35,8])  
b = tf.ones([4,35,8])  
# 在指定軸前面創建新維度合并，保證其他維度的shape相同
c = tf.stack([a,b],axis=0)
c.shape
# 若為負數在axis后面創建
d = tf.stack([a,b],axis=-2)
d.shape

---

4. 拆分

4.1 tf.unstack()

tf.unstack(tensor, axis)

在一個tensor變量的指定維度上，拆分這個維度。將指定維度全部拆分，該維度的shape是多少就拆分多少個。拆分后這個維度消失，不會修改原數據，需要用一個新變量接收拆分結果。

# 創建一個四維全1的tensor
a = tf.ones([2,4,35,8])
# 指定拆分axis=1這個維度，全部拆分，為4份
res = tf.unstack(a,axis=1)
# 返回一個列表，查看某個tensor的維度
res[0].shape

對指定維度axis=1進行拆分，拆分后這個維度消失，返回由4個三維tensor組成的列表，列表中每一個tensor的shape都是[2, 35, 8]

---

4.2 tf.split()

tf.split(tensor, axis, num_or_size_splits)

tensor為需要切分的張量；axis指定在第幾個維度上切分；num_or_size_splits表示要切幾份，怎么切，如果是一個整數，那直接在指定維度上把張量平均切分成幾個小張量，如果是一個向量，就根據這個向量有幾個元素分為幾項。

拆分后，指定的軸不消失。

a = tf.ones([2,4,35,8])
# 在第1個軸上拆分，平均拆分成2份
res = tf.split(a,axis=1,num_or_size_splits=2)
res[0].shape
# 在第3個軸上拆分成2/2/4，返回一個列表
con = tf.split(a,axis=3,num_or_size_splits=[2,2,4])
con[2].shape

在軸axis=1上拆分，將該軸的shape為4，平均分成兩份，返回一個由兩個tensor構成的列表，每個tensor的維度都是[2,2,35,8]

在軸axis=3上按列表指定的方式來拆分，axis=3的shape為8，拆分成2/2/4，返回值是由三個tensor組成的列表，分別為[2,4,35,2]、[2,4,35,2]、[2,4,35,4]

總結

以上是生活随笔為你收集整理的【TensorFlow2.0】(5) 数学计算、合并、分割的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。