tf.math.add_n
| Просмотреть исходный код на GitHub |
Складывает все входные тензоры поэлементно.
tf.math.add_n(
inputs, name=None
)
tf.math.add_n выполняет ту же операцию, что и tf.math.accumulate_n, но ожидает, пока все его входные данные будут готовы, прежде чем начать суммирование. Это буферирование может привести к большему потреблению памяти, когда входные данные готовы в разное время, поскольку минимальный объём временного хранения пропорционален размеру входных данных, а не размеру выходных данных.
Данная операция не выполняет векторное произведение своих входных данных. Если вам нужно векторное произведение, используйте tf.math.add (или оператор +) вместо этого.
Например:
a = tf.constant([[3, 5], [4, 8]])
b = tf.constant([[1, 6], [2, 9]])
tf.math.add_n([a, b, a])
<tf.Tensor: shape=(2, 2), dtype=int32, numpy=
array([[ 7, 16],
[10, 25]], dtype=int32)>
| Аргументы | |
|---|---|
inputs | Список объектов tf.Tensor или tf.IndexedSlices, каждый с одинаковой формой и типом. Объекты tf.IndexedSlices будут преобразованы в плотные тензоры перед суммированием. |
name | Имя операции (необязательно). |
| Возвращаемое значение | |
|---|---|
Тензор tf.Tensor той же формы и типа, что и элементы inputs. |
| Исключения | |
|---|---|
ValueError | Если тензоры inputs не имеют одинаковой формы и типа или форму невозможно определить. |
© 2020 The TensorFlow Authors. All rights reserved.
Licensed under the Creative Commons Attribution License 3.0.
Code samples licensed under the Apache 2.0 License.
https://www.tensorflow.org/versions/r2.3/api_docs/python/tf/math/add_n
