Tensorflow es una biblioteca de aprendizaje automático de código abierto desarrollada por Google. Una de sus aplicaciones es desarrollar redes neuronales profundas.
El módulo tensorflow.math brinda soporte para muchas operaciones matemáticas básicas. La función tf.log1p() [alias tf.math.log1p] brinda soporte para la función logarítmica natural en Tensorflow. Espera la entrada en forma de números complejos o números de coma flotante. El tipo de entrada es tensor y si la entrada contiene más de un elemento, se calcula un logaritmo de elementos, .
Sintaxis : tf.log1p(x, nombre=Ninguno) o tf.math.log1p(x, nombre=Ninguno)
Parámetros :
x : Un tensor de tipo bfloat16, half, float32, float64, complex64 o complex128.
nombre (opcional): el nombre de la operación.
Tipo de retorno : un tensor con el mismo tamaño y tipo que el de x.
Código #1:
Python3
# Importing the Tensorflow library import tensorflow as tf # A constant vector of size 5 a = tf.constant([-1.5, -1, -0.5, 0, 0.5, 1, 1.5], dtype = tf.float32) # Applying the log1p function and # storing the result in 'b' b = tf.log1p(a, name ='log1p') # Initiating a Tensorflow session with tf.Session() as sess: print('Input type:', a) print('Input:', sess.run(a)) print('Return type:', b) print('Output:', sess.run(b))
Producción:
Input type: Tensor("Const:0", shape=(7, ), dtype=float32) Input: [-1.5 -1. -0.5 0. 0.5 1. 1.5] Return type: Tensor("log1p:0", shape=(7, ), dtype=float32) Output: [ nan -inf -0.6931472 0. 0.4054651 0.6931472 0.91629076]
denota que el logaritmo natural de 1+x no existe para valores negativos y denota que se acerca al infinito negativo cuando la entrada se acerca a -1.
Código #2: Visualización
Python3
# Importing the Tensorflow library import tensorflow as tf # Importing the NumPy library import numpy as np # Importing the matplotlib.pyplot function import matplotlib.pyplot as plt # A vector of size 20 with values from -1 to 0 and 0 to 10 a = np.append(np.linspace(-1, 0, 10), np.linspace(0, 10, 10)) # Applying the logarithmic function and # storing the result in 'b' b = tf.log1p(a, name ='log1p') # Initiating a Tensorflow session with tf.Session() as sess: print('Input:', a) print('Output:', sess.run(b)) plt.plot(a, sess.run(b), color = 'red', marker = "o") plt.title("tensorflow.abs") plt.xlabel("X") plt.ylabel("Y") plt.grid() plt.show()
Producción:
Input: [-1. -0.88888889 -0.77777778 -0.66666667 -0.55555556 -0.44444444 -0.33333333 -0.22222222 -0.11111111 0. 0. 1.11111111 2.22222222 3.33333333 4.44444444 5.55555556 6.66666667 7.77777778 8.88888889 10. ] Output: [ -inf -2.19722458 -1.5040774 -1.09861229 -0.81093022 -0.58778666 -0.40546511 -0.25131443 -0.11778304 0. 0. 0.7472144 1.17007125 1.46633707 1.69459572 1.88031287 2.03688193 2.17222328 2.29141179 2.39789527]
Publicación traducida automáticamente
Artículo escrito por sanskar27jain y traducido por Barcelona Geeks. The original can be accessed here. Licence: CCBY-SA