TensorFlow es una biblioteca Python de código abierto diseñada por Google para desarrollar modelos de aprendizaje automático y redes neuronales de aprendizaje profundo.
zeta() se utiliza para calcular la función zeta de Hurwitz. Se define como:
Sintaxis: tensorflow.math.zeta( x, q, nombre)
Parámetro:
- x: Es un tensor. Los dtypes permitidos son float32 y float64.
- q: Es un tensor del mismo tipo que x.
- name(opcional): Define el nombre de la operación.
Devoluciones:
Devuelve un tensor del mismo tipo que x.
Ejemplo 1:
Python3
# importing the library import tensorflow as tf # Initializing the input tensor a = tf.constant([ -5, -7, 2, 0, 7], dtype = tf.float64) b = tf.constant([ 1, 3, 9, 4, 7], dtype = tf.float64) # Printing the input tensor print('a: ', a) print('b: ', b) # Calculating result res = tf.math.zeta(a, b) # Printing the result print('Result: ', res)
Producción:
a: tf.Tensor([-5. -7. 2. 0. 7.], shape=(5, ), dtype=float64) b: tf.Tensor([1. 3. 9. 4. 7.], shape=(5, ), dtype=float64) Result: tf.Tensor( [ nan nan 1.17512015e-01 nan 2.12260976e-06], shape=(5, ), dtype=float64)
Ejemplo 2:
Python3
# importing the library import tensorflow as tf # Initializing the input tensor a = tf.constant([ [-5, -7], [ 2, 0]], dtype = tf.float64) b = tf.constant([ [1, 3], [9, 4]], dtype = tf.float64) # Printing the input tensor print('a: ', a) print('b: ', b) # Calculating result res = tf.math.zeta(a, b) # Printing the result print('Result: ', res)
Producción:
a: tf.Tensor( [[-5. -7.] [ 2. 0.]], shape=(2, 2), dtype=float64) b: tf.Tensor( [[1. 3.] [9. 4.]], shape=(2, 2), dtype=float64) Result: tf.Tensor( [[ nan nan] [0.11751201 nan]], shape=(2, 2), dtype=float64)
Publicación traducida automáticamente
Artículo escrito por aman neekhara y traducido por Barcelona Geeks. The original can be accessed here. Licence: CCBY-SA