math_ops(一)
math_ops函數(shù)使用，本篇為算術(shù)函數(shù)和基本數(shù)學函數(shù)。
1.1 tf.add(x,y) 加法
1.2 tf.subtract(x,y) 減法
1.3 tf.multiply(x,y) 乘法
1.4 tf.scalar_mul(scalar,x）乘以倍數(shù)
1.5 tf.div(x,y) 除法
1.6 tf.truediv(x,y)
1.7 tf.floordiv(x,y) 不大于結(jié)果的最大整數(shù)
1.8 tf.realdiv(x,y,)
1.9 tf.truncatediv(x,y) 除法，返回整數(shù)部分
1.10 tf.floor_div(x,y)
1.11 tf.truncatemod(x,y) 取余
1.12 tf.floormod(x,y)
1.13 tf.mod(x,y)
1.14 tf.cross(x,y) 叉乘
1.15 tf.add_n(inputs) 多個tensor相加
1.16 tf.abs(x） 絕對值
1.17 tf.negative(x) 求反
1.18 tf.sign(x) 符號函數(shù)
1.19 tf.reciprocal(x) 求倒數(shù)
1.20 tf.square(x) 求平方
1.21 tf.round(x) 求離x最近的整數(shù)
1.22 tf.sqrt(x) 求平方根
1.23 tf.rsqrt(x) 求平方根的倒數(shù)
1.24 tf.pow(x,y) 求x的y次方
1.25 tf.exp(x) 求自然指數(shù)e^x
1.26 tf.expm1(x) 求e^x-1
1.27 tf.log(x) 求自然對數(shù)
1.28 tf.log1p(x) 加1后求自然對數(shù)
1.29 tf.ceil(x) 求比x大的最小整數(shù)
1.30 tf.floor(x) 求比x小的最大整數(shù)
1.31 tf.maximum(x,y) 求最大值
1.32 tf.minimum(x,y) 求最小值
1.33 tf.cos(x) 求cos
1.34 tf.sin(x) 求sin
1.35 tf.lbeta(x) 求ln(|Beta(x)|)
1.36 tf.tan(x) 求tan
1.37 tf.acos(x) 求acos
1.38 tf.asin(x) 求asin
1.39 tf.atan(x) 求atan
1.40 tf.lgamma(x) 求ln(gamma(x))
1.41 tf.digamma(x) 求lgamma的導數(shù)
1.42 tf.erf(x) 計算高斯誤差
1.43 tf.erfc(x) 計算1-高斯誤差
1.44 tf.squared_difference(x,y) 計算(x-y)(x-y)
1.45 tf.igamma(a,x) 計算gamma(a,x)/gamma(a),gamma(a,x)=\intergral_from_0_to_x t(a-1)*exp(-t)dt。
1.46 tf.igammac(a,x) 計算gamma(a,x)/gamma(a),gamma(a,x)=\intergral_from_x_to_inf t(a-1)*exp(-t)dt。
1.47 tf.zeta(x,q) 計算Hurwitz zeta函數(shù)
1.48 tf.polygamma(a,x) 計算psi{(a)}(x),psi{(a)}(x) = ({da}/{dxa})*psi(x),psi即為polygamma。
1.49 tf.betainc(a,b,x) 計算I_x(a, b)
1.50 tf.rint(x) 計算離x最近的整數(shù)
1.51 tf.diag(diagonal)
1.52 tf.diag_part(input)
1.53 tf.trace(x)
1.54 tf.transpose(a,perm=None)
1.55 tf.eye(num_rows, num_columns=None, batch_shape=None, dtype=tf.float32)
1.56 tf.matrix_diag(diagonal)
1.57 tf.matrix_diag_part(input)
1.58 tf.matrix_band_part(input,num_lower,num_upper)
1.59 tf.matrix_set_diag(input,diagonal)
1.60 tf.matrix_transpose(a)
1.61 tf.matmul(a, b, transpose_a=False, transpose_b=False, adjoint_a=False, adjoint_b=False, a_is_sparse=False, b_is_sparse=False)
1.62 tf.norm(tensor, ord='euclidean', axis=None, keep_dims=False)
1.63 tf.matrix_determinant(input)
1.64 tf.matrix_inverse(input, adjoint=None)
1.65 tf.cholesky(input)
1.66 tf.cholesky_solve(chol, rhs)
1.67 tf.matrix_solve(matrix, rhs, adjoint=None)
1.68 tf.matrix_triangular_solve(matrix, rhs, lower=None, adjoint=None)
1.69 tf.matrix_solve_ls(matrix, rhs, l2_regularizer=0.0, fast=True)
1.70 tf.qr(input, full_matrices=None)
1.71 tf.self_adjoint_eig(tensor)
1.72 tf.self_adjoint_eigvals(tensor)
1.73 tf.svd(tensor, full_matrices=False, compute_uv=True)
1.74 tf.tensordot(a, b, axes)
1.75 tf.complex(real, imag)
1.76 tf.conj(x)
1.77 tf.imag(input)
1.78 tf.real(input)
1.79 tf.fft(input, name=None)
1.80 tf.ifft(input, name=None)
1.81 tf.fft2d(input, name=None)
1.82 tf.ifft2d(input, name=None)
1.83 tf.fft3d(input, name=None)
1.84 tf.ifft3d(input, name=None)
1.85 tf.reduce_sum(input_tensor, axis=None, keep_dims=False, reduction_indices=None) 對指定維度求和
1.86 tf.reduce_prod(input_tensor, axis=None, keep_dims=False, reduction_indices=None) 對指定維度求積
1.87 tf.reduce_min(input_tensor, axis=None, keep_dims=False, reduction_indices=None) 對指定維度求最小值
1.88 tf.reduce_max(input_tensor, axis=None, keep_dims=False, reduction_indices=None) 對指定維度求最大值
1.89 tf.reduce_mean(input_tensor, axis=None, keep_dims=False, reduction_indices=None) 對指定維度求平均值
1.90 tf.reduce_all(input_tensor, axis=None, keep_dims=False,reduction_indices=None) 對指定維度進行邏輯與
1.91 tf.reduce_any(input_tensor, axis=None, keep_dims=False, reduction_indices=None) 對指定維度進行邏輯或
1.92 tf.reduce_logsumexp(input_tensor, axis=None, keep_dims=False, reduction_indices=None) 對指定維度求log(sum(exp()))
1.93 tf.count_nonzero(input_tensor, axis=None, keep_dims=False, dtype=tf.int64, reduction_indices=None) 求指定維度非零個數(shù)
1.94 tf.accumulate_n(inputs, shape=None, tensor_dtype=None) 求和
1.95 tf.einsum(equation, *inputs) 通過equation進行矩陣乘
1.96 tf.cumsum(x, axis=0, exclusive=False, reverse=False) 對指定維度進行累加
1.97 tf.cumprod(x, axis=0, exclusive=False, reverse=False) 對指定維度進行累積
1.98 tf.segment_sum(data, segment_ids) 求分段和
1.99 tf.segment_prod(data, segment_ids) 求分段積
1.100 tf.segment_min(data, segment_ids) 求分段最小值
1.101 tf.segment_max(data, segment_ids) 求分段最大值
1.102 tf.segment_mean(data, segment_ids) 求分段平均值
1.103 tf.unsorted_segment_sum(data, segment_ids, num_segments) 求分段和（可以不按順序）
1.104 tf.unsorted_segment_max(data, segment_ids, num_segments) 求分段最大值（可以不按順序）
1.105 tf.sparse_segment_sum(data, indices, segment_ids) 指定段落再進行分段求和
1.106 tf.sparse_segment_mean(data, indices, segment_ids) 指定段落再進行分段求平均
1.107 tf.sparse_segment_sqrt_n(data, indices, segment_ids) 指定段落再進行分段求和再除N的平方根
1.108 tf.argmin(input, axis=None, dimension=None) 指定維度最小值的下標
1.109 tf.argmax(input, axis=None, dimension=None) 指定維度最大值的下標
1.110 tf.setdiff1d(x, y, index_dtype=tf.int32) 返回元素在x里不在y里元素的下標
1.111 tf.where(condition, x=None, y=None) 返回condition值為true的下標，
1.112 tf.unique(x, out_idx=None) 羅列非重復元素及其編號
1.113 tf.edit_distance(hypothesis, truth, normalize=True) 計算Levenshtein距離
1.114 tf.invert_permutation(x) 坐標與值互換
