Python | Método Tensorflow acosh()

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: 
 

# 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 
 

# 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]