tf 张量运算
四则运算
| 算术操作 | 描述 |
|---|---|
| tf.add(x, y) | 将 x 和 y 逐元素相加 |
| tf.subtract(x,y) | 将 x 和 y 逐元素相减 |
| tf.multiply(x, y) | 将 x 和 y 逐元素相乘 |
| tf.dvide(x,y) | 将 x 和 y 逐元素相除 |
| tf.math.mod(x, y) | 对 x 逐元素取模 |
加减乘除法运算，都是这两个张量逐元素的运算，并且要求各个张量中的元素数据类型必须一致。
幂指数运算
| 算术操作 | 描述 |
|---|---|
| tf.pow(x, y) | 对 x 求 y 的幂次方 |
| tf.square(x) | 对 x 逐元素求计算平方 |
| tf.sqrt(x) | 对 x 逐元素开平方根 |
| tf.exp(x) | 计算 e 的 x 次方(x 为浮点数) |
| tf.math.log(x) | 计算自然对数底数为 e |
开平方根函数，要求参数是浮点数：tf.pow(x, y)(其中 y<1)、tf.sqrt、tf.exp(x)
自然指数和自然对数运算
tf.exp 和 tf.math.log 也要求张量是浮点数。 tensorflow 只提供了自然对数，没有提供其他底数的对数。如需使用，可以采用换底公式来计算。
指数运算和对数运算不在同一个模块中，以及没有提供以其他自然数为底的对数运算
其他运算
| 函数 | 描述 |
|---|---|
| tf.sign(x) | 返回 x 的符号 |
| tf.abs(x) | 对 x 逐元素求绝对值 |
| tf.negative(x) | 对 x 逐元素求相反数,y=-x |
| tf.reciprocal(x) | 取 x 的倒数 |
| tf.logical_not(x) | 对 x 逐元素求的逻辑非 |
| tf.ceil(x) | 向上取整 |
| tf.floor(x) | 向下取整 |
| tf.rint(x) | 取最接近的整数 |
| tf.round(x) | 对 x 逐元素求舍入最接近的整数 |
| tf.maximum(x, y) | 返回两 tensor 中的最大值 |
| tf.minimum(x, y) | 返回两 tensor 中的最小值 |
| 运算符 | 构造方法 | 运算符 | 构造方法 | |
|---|---|---|---|---|
| x+y | tf.add( ) | x&y | tf.logical_and() | |
| x-y | t. subtract() | x | y | tf.logical_or() |
| x*y | tf.multiply() | x^y | tf.logical_xor() | |
| x/y(python2.0) | tf.divide() | ~X | tf.logical_not() | |
| x/y(python3.0) | tf.truediv() | x<y | tf.less() | |
| x//y(python3.0) | floordiv() | X<=y | tf.less_ equal() | |
| x%y | tf.math.mod() | x>y | tf.greater() | |
| x**y | tf.pow() | X>=y | tf.greater_equal() | |
| -x | tf.neg() | |||
| abs(x) | tf.abs() |
广播机制：要求两个张量的最后一个维度相等。 当张量和一个数字进行运算时，会将这个数字值广播到张量的各个元素。
张量和 NumPy 数组之间的相互转换
- NumPy 数组转化为张量：tf.constant（）；tf.convert_to_tensor
- 张量转换为 NumPy 数组：Tensor.numpy（）
当张量和 NumPy 数组共同参与运算时：
- 执行 TensorFlow 操作，那么 TensorFlow 将自动的把 NumPy 数组转换为张量
- 执行 NumPy 操作，那么 NumPy 将自动的张量转换为 NumPy 数组
- 只要操作数中有一个 Tensor 对象，就把所有的操作数都转化为张量，然后再进行运算。
张量乘法
元素乘法：tf.multiply(value_a,value_a), * 运算符 向量乘法：tf.matmul(value_a,)value_a, @ 运算符 多维向量乘法采用广播机制，最后两维相乘，前面维度维度不变。 当相乘张量的维度都大于 2 时，最后两维相乘，前面维度维度不变。
注意：tf.range() 和 np.arange() 默认的 dtype 不一样，numpy.arange
默认 int64, tf.range 默认 32. 
数据统计：求张量在某个维度上、或者全局的统计值
| 函数 | 描述 |
|---|---|
| tf.reduce_sum(input_tensor, axis) | 求和 |
| tf.reduce_mean(input_tensor, axis) | 求平均值 |
| tf.reduce_max(input_tensor, axis) | 求最大值 |
| tf.reduce_min(input_tensor, axis) | 求最小值 |
如果张量元素为 int， 那么均值也会舍为 int，如果希望精确地得到浮点数均值，有两种方式：
- 定义张量的
dtype=tf.float32等浮点类型 - 如果定义时，使用了整数，可以在调用
tf.reduce_mean()时， 采用tf.cast(values, tf.flaot32)来将张量值转换为浮点数
求最值的索引
tf.argmax(), tf.argmin()
