Tensorflow.JS - TF.div

Tensorflow.JS - TF.div
„TF.div () w Tensorflow.JS służy do wykonywania podziału elementów na dwóch tensorach/skalarach."

Scenariusz 1: Pracuj z skalar

Scalar będzie przechowywał tylko jedną wartość. Ale w każdym razie zwraca tensor.

Składnia

tf.div (skalar1, skalar2)

Parametry
SCALAR1 i SCALAR2 to tensory, które mogą przyjmować tylko jedną wartość jako parametr.

Powrót
Zwrot iloraz dwóch wartości skalarnych.

Przykład
Utwórz dwa skalary i wykonaj podział dwóch skali.






Tensorflow.JS - TF.div ()




Wyjście

Pracujący
30/70 = 0.4285714030265808.

Scenariusz 2: Pracuj z Tensor

Tensor może przechowywać wiele wartości; może być pojedynczy lub wielowymiarowy.

Składnia

tf.div (tensor1, tensor2)

Parametry
Tensor1 i tensor2 to tensor, które mogą przyjmować tylko pojedyncze lub wiele wartości jako parametr.

Powrót
Return Iloraz dwóch tensorów dotyczących każdego elementu.

Musimy zauważyć, że całkowita liczba elementów w obu tensorach musi być równa.

Przykład 1
Utwórz dwa jednowymiarowe tensory i zwróć iloraz za pomocą TF.div ().






Tensorflow.JS - TF.div ()




Wyjście

Pracujący
[10/1,20/2,30/3,40/4,50/5] => Tensor [10, 10, 10, 10, 10].

Przykład 2
Utwórz 2 dwuwymiarowe tensory z 2 rzędami i 3 kolumnami i zastosuj TF.div ().






Tensorflow.JS - TF.div ()




Wyjście

Pracujący
[[1/34,2/10,3/20], [4/30,5/40,6/50]] => [[0.0294118, 0.2, 0.15], [0.1333333, 0.125, 0.12]].

Scenariusz 3: Pracuj z tensor i skalar

Może być możliwe podzielenie każdego elementu w tensor przez skalar.

Składnia

tf.div (tensor, skalar)

Przykład
Utwórz jednowymiarowy tensor i skalar i wykonaj podział za pomocą TF.div ().






Tensorflow.JS - TF.div ()




Wyjście

Pracujący
[10/10, 20/10, 30/10, 4/10, 5/10, 6/10] => [1, 2, 3, 0.4, 0.5, 0.6].

Wniosek

tf.div () w Tensorflow.JS służy do wykonywania podziału i powracania ilorazów elementów. Omówiliśmy trzy scenariusze, aby podzielić tensor przez skalar.

Zauważyliśmy również, że Scalar przechowuje tylko jedną wartość i zwróci tensor. Podczas wykonywania TF.div () na dwóch tensorach upewnij się, że liczba elementów w dwóch tensorach musi być taka sama.