Tensorflow.JS - TF.Mul

Tensorflow.JS - TF.Mul
„TF.MUL () w Tensorflow.JS służy do wykonywania mądrego mnożenia na dwóch tensorach/skalarach."

Scenariusz 1: Pracuj z skalar

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

Składnia

tf.MUL (skalar1, skalar2)

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

Powrót
Zwróć produkt dwóch wartości skalarnych.

Przykład
Utwórz dwa skalary i wykonaj mnożenie dwóch skali.






Tensorflow.JS - TF.MUL ()




Wyjście

Pracujący
Produkt 30 i 70 to 2100.

Scenariusz 2: Pracuj z Tensor

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

Składnia

tf.MUL (tensor1, tensor2)

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

Powrót
Produkt zwrotu 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 produkt za pomocą TF.MUL ().






Tensorflow.JS - TF.MUL ()




Wyjście

Pracujący
[10*1,20*2,30*3,40*4,50*5] => [10, 40, 90, 160, 250].

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






Tensorflow.JS - TF.MUL ()




Wyjście

Pracujący
[[1*34,2*10,3*20], [4*30,5*40,6*50]] => [[34, 20, 60], [120, 200, 300]]]].

Scenariusz 3: Pracuj z tensor i skalar

Możliwe może być pomnożenie każdego elementu z tensora z skalar.

Składnia

tf.MUL (tensor, skalar)

Przykład
Utwórz jednowymiarowy tensor i skalar i wykonaj mnożenie za pomocą TF.MUL ().






Tensorflow.JS - TF.MUL ()




Wyjście

Pracujący
[10*1, 20*1, 30*1, 4*1, 5*1, 6*1] => [10, 20, 30, 4, 5, 6].

Wniosek

Więc doszliśmy do końca lekcji. tf.MUL () w Tensorflow.JS służy do zwracania produktów podstawowych. Omówiliśmy trzy scenariusze, aby pomnożyć tensor z skalarnego.

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