Tensorflow.JS - TF.nie równe
Scalar będzie przechowywał tylko jedną wartość. Ale w każdym razie zwraca tensor."
Składnia
tf.notekowy (tensor1, tensor2)tf.notekowy (skalar1, skalar2)
Możliwe jest również wdrożenie metody Notequal (), jak pokazano poniżej.
Składnia
Tensor1.Noteksualny (tensor2)skalar1.Noteksualny (skalar2)
Parametry
Tensor1 i tensor2 to tensor, które mogą być pojedyncze lub wielowymiarowe.
SCALAR1 i SCALAR2 to tensory, które mogą przyjmować tylko jedną wartość jako parametr.
Powrót
Zwróć boolean tensor.
Przykład 1
Utwórz dwa jednowymiarowe tensory z elementami całkowitymi i zastosuj TF.notEqual (), aby sprawdzić, czy elementy nie są takie same.
Tensorflow.JS - TF.notekowy (tensor1, tensor2)
Tensorflow.JS - Tensor1.Noteksualny (tensor2)
Wyjście
Pracujący
Tensor-1: Tensor [34, 12, 34, 11, 10, 34]
Tensor-2: tensor [34, 12, 2, 3, 10, 23]
Porównanie pod względem elementów:
34!= 34 - Fałsz
12!= 12 - Fałsz
34!= 2 - Prawda
11!= 3 - prawda
10!= 10 - Fałsz
34!= 23 - prawda
Przykład 2
Utwórz dwie wartości za pomocą skalar () i zastosuj TF.notEqual (), aby sprawdzić, czy wartości są takie same, czy nie.
Tensorflow.JS - TF.notekowy (skalar1, skalar2)
Tensorflow.JS - Scalar1.Noteksualny (skalar2)
Wyjście
34 nie jest równe 23. Więc powrócił prawdziwie.
Przykład 3
Utwórz 2 dwuwymiarowe tensory z 2 rzędami i 2 kolumnami i zastosuj TF.notEqual (), aby sprawdzić, czy elementy są takie same, czy nie.
Tensorflow.JS - TF.notekowy (tensor1, tensor2)
Tensorflow.JS - Tensor1.Noteksualny (tensor2)
Wyjście
Pracujący
Tensor-1: tensor [[90, 56], [78, 12]]
Tensor-2: tensor [[90, 56], [34, 45]]
Porównanie pod względem elementów:
90!= 90 - Fałsz
56!= 56 - Fałsz
78!= 34 - prawda
12!= 45 - prawda
Wniosek
tf.Notequal () w Tensorflow.JS służy do porównania elementów, które zwracają prawdziwe; Jeśli oba elementy nie są równe, w przeciwnym razie Fałsz zostanie zwrócony. Występuje dwa tensory jako parametry, które mają taką samą liczbę wartości; W przeciwnym razie wyrzucony jest błąd. Możliwe jest również wdrożenie metody Notequal () na dwa sposoby. Omówiliśmy trzy różne przykłady, używając tensorów jeden i dwóch wymiarów i skalów.