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.acosh() [alias tf.math.acosh] proporciona soporte para la función de coseno hiperbólico inverso en Tensorflow. Espera la entrada en el rango [1, ∞) y devuelve nan para cualquier entrada fuera de este rango. El tipo de entrada es tensor y si la entrada contiene más de un elemento, se calcula el coseno hiperbólico inverso por elementos.
Sintaxis : tf.acosh(x, nombre=Ninguno) o tf.math.acosh(x, nombre=Ninguno)
Parámetros :
x : Un tensor de cualquiera de los siguientes tipos: float16, float32, float64, complex64 o complex128.
nombre (opcional): el nombre de la operación.
Tipo de retorno : Un tensor con el mismo tipo que el de x.
Código #1:
Python3
# Importing the Tensorflow library import tensorflow as tf # A constant vector of size 6 a = tf.constant([1.0, 0.5, 3.4, -2.1, 0.0, 6.5], dtype = tf.float32) # Applying the acosh function and # storing the result in 'b' b = tf.acosh(a, name ='acosh') # 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=(6, ), dtype=float32) Input: [ 1. 0.5 3.4 -2.1 0. 6.5] Return type: Tensor("acosh:0", shape=(6, ), dtype=float32) Output: [0. nan 1.894559 nan nan 2.558979]
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 15 with values from 1 to 10 a = np.linspace(1, 10, 15) # Applying the inverse hyperbolic cosine # function and storing the result in 'b' b = tf.acosh(a, name ='acosh') # 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.acosh") plt.xlabel("X") plt.ylabel("Y") plt.show()
Producción:
Input: [ 1. 1.64285714 2.28571429 2.92857143 3.57142857 4.21428571 4.85714286 5.5 6.14285714 6.78571429 7.42857143 8.07142857 8.71428571 9.35714286 10. ] Output: [0. 1.08055227 1.46812101 1.73714862 1.94591015 2.11724401 2.26282815 2.38952643 2.50174512 2.60249262 2.69391933 2.77761797 2.85480239 2.92641956 2.99322285]
Publicación traducida automáticamente
Artículo escrito por vaibhav29498 y traducido por Barcelona Geeks. The original can be accessed here. Licence: CCBY-SA