Python – método tensorflow.math.betainc()

TensorFlow es una biblioteca de Python de código abierto diseñada por Google para desarrollar modelos de aprendizaje automático y redes neuronales de aprendizaje profundo.  betainc() es un método en el módulo matemático de tensorflow que se utiliza para calcular la integral beta incompleta regularizada I _x (a,b) .

La integral beta incompleta regularizada Ix(a,b) se define como:

dónde,

B(x;a,b) es una función beta incompleta y se define como:

?

y B(a,b) es la función beta completa.

Sintaxis: tensorflow.math.betainc(a, b, x, nombre)
 

Parámetros:

• a: Es un tensor. Los tipos permitidos son float32 y float64.
• b: Es un Tensor del mismo tipo que a.
• x: También es un tensor del mismo tipo que a.
• nombre: Es un parámetro opcional que define el nombre de la operación.
   

Retorno: Devuelve un tensor del mismo tipo que a.
 

Ejemplo 1:

# importing the library
import tensorflow as tf
  
# initializing the constant tensors
a = tf.constant([1,2,3,4,5], dtype = tf.float64)
b = tf.constant([1.5,2.7,3.4,4.9,5.6], dtype = tf.float64)
x = tf.constant( [1,1,1,1,1], dtype = tf.float64)
  
# printing the input tensors
print('Input a: ',a)
print('Input b: ',b)
print('Input x: ',x)
  
# calculating the regularized incomplete beta integral 
ribi = tf.math.betainc(a,b,x)
  
# printing the result
print('regularized incomplete beta integral: ',ribi)

Producción:

Input a:  tf.Tensor([1. 2. 3. 4. 5.], shape=(5,), dtype=float64)
Input b:  tf.Tensor([1.5 2.7 3.4 4.9 5.6], shape=(5,), dtype=float64)
Input x:  tf.Tensor([1. 1. 1. 1. 1.], shape=(5,), dtype=float64)
regularized incomplete beta integral:  tf.Tensor([1. 1. 1. 1. 1.], shape=(5,), dtype=float64)

Ejemplo 2: Este ejemplo intenta evaluar una integral beta incompleta regularizada con un tensor de tipo no permitido. Esto generará NotFoundError.

# importing the library
import tensorflow as tf
  
# initializing the constant tensors
a = tf.constant([1,2,3,4,5], dtype = tf.complex128)
b = tf.constant([1.5,2.7,3.4,4.9,5.6], dtype = tf.complex128)
x = tf.constant( [1,1,1,1,1], dtype = tf.complex128)
  
# printing the input tensors
print('Input a: ',a)
print('Input b: ',b)
print('Input x: ',x)
  
# calculating the regularized incomplete beta integral 
ribi = tf.math.betainc(a,b,x)

Producción:

Input a:  tf.Tensor([1.+0.j 2.+0.j 3.+0.j 4.+0.j 5.+0.j], shape=(5,), dtype=complex128)
Input b:  tf.Tensor([1.5+0.j 2.7+0.j 3.4+0.j 4.9+0.j 5.6+0.j], shape=(5,), dtype=complex128)
Input x:  tf.Tensor([1.+0.j 1.+0.j 1.+0.j 1.+0.j 1.+0.j], shape=(5,), dtype=complex128)

NotFoundError                             Traceback (most recent call last)

<ipython-input-16-904ce11d62af> in <module>()
      1 # calculating the regularized incomplete beta integral
----> 2 ribi = tf.math.betainc(a,b,x)

2 frames

/usr/local/lib/python3.6/dist-packages/six.py in raise_from(value, from_value)

NotFoundError: Could not find valid device for node.
Node:{{node Betainc}}
All kernels registered for op Betainc :
  device='XLA_CPU_JIT'; T in [DT_FLOAT, DT_DOUBLE]
  device='XLA_GPU_JIT'; T in [DT_FLOAT, DT_DOUBLE]
  device='XLA_CPU'; T in [DT_FLOAT, DT_DOUBLE]
  device='XLA_GPU'; T in [DT_FLOAT, DT_DOUBLE]
  device='GPU'; T in [DT_DOUBLE]
  device='GPU'; T in [DT_FLOAT]
  device='CPU'; T in [DT_DOUBLE]
  device='CPU'; T in [DT_FLOAT]