Python – tensorflow.matemáticas.cumprod()

TensorFlow es una biblioteca Python de código abierto diseñada por Google para desarrollar modelos de aprendizaje automático y redes neuronales de aprendizaje profundo.  cumprod() se usa para calcular el producto acumulativo del tensor de entrada.

Sintaxis: tensorflow.math.cumprod( x, eje, exclusivo, inverso, nombre)

Parámetros: 

• x: Es el tensor de entrada. Los dtype permitidos para este tensor son float32, float64, int64, int32, uint8, uint16, int16, int8, complex64, complex128, qint8, quint8, qint32, half.
• axis(opcional): Es un tensor de tipo int32. Su valor debe estar en el rango A Tensor de tipo int32 (predeterminado: 0). Debe estar en el rango [-rango(x), rango(x)). El valor predeterminado es 0.
• exclusivo(opcional): Es de tipo bool. El valor predeterminado es falso y, si se establece en verdadero, la salida para la entrada [a, b, c] será [1, a, a*b].
• reverse(opcional): Es de tipo bool. El valor predeterminado es Falso y, si se establece en verdadero, la salida para la entrada [a, b, c] será [a*b*c, a*b, a].
• name(opcional): Define el nombre de la operación.

Devoluciones: Devuelve un tensor del mismo tipo que x.

Ejemplo 1:

# importing the library
import tensorflow as tf
 
# initializing the input
a = tf.constant([1, 2, 4, 5], dtype = tf.int32) 
 
# Printing the input
print("Input: ",a)
 
# Cumulative product
res  = tf.math.cumprod(a)
 
# Printing the result
print("Output: ",res)

Producción:

Input:  tf.Tensor([1 2 4 5], shape=(4,), dtype=int32)
Output:  tf.Tensor([ 1  2  8 40], shape=(4,), dtype=int32)

Ejemplo 2: En este ejemplo, tanto el inverso como el exclusivo se establecen en True.

# importing the library
import tensorflow as tf
 
# initializing the input
a = tf.constant([2, 3, 4, 5], dtype = tf.int32) 
 
# Printing the input
print("Input: ",a)
 
# Cumulative product
res  = tf.math.cumprod(a, reverse = True, exclusive = True)
 
# Printing the result
print("Output: ",res)

Producción: 

Input:  tf.Tensor([2 3 4 5], shape=(4,), dtype=int32)
Output:  tf.Tensor([60 20  5  1], shape=(4,), dtype=int32)