TensorFlow es una biblioteca Python de código abierto diseñada por Google para desarrollar modelos de aprendizaje automático y redes neuronales de aprendizaje profundo.
lbeta() se usa para calcular ln(|Beta(x)|). Reduce el tensor a lo largo de la última dimensión. Si z unidimensional es [z1, …, zk], entonces Beta(z) se define como
Si x es n+1 tensor dimensional con forma [N 1 , . . ., N n , k], la última dimensión se trata como un vector z y,
Si z = [u, v], entonces la función beta bivariada tradicional se define como
Sintaxis: tensorflow.math.lbeta(x, nombre)
Parámetros:
- x: Es el tensor de entrada con rango n+1 donde n>=0. Los dtypes permitidos son float o double.
- name(opcional): Define el nombre de la operación.
Devoluciones:
Devuelve el logaritmo de |Beta(x)| reduciendo a lo largo de la última dimensión.
Ejemplo 1:
Python3
# Importing the library import tensorflow as tf # Initializing the input tensor a = tf.constant([[7, 8], [13, 11]], dtype = tf.float64) # Printing the input tensor print('a: ', a) # Calculating the result res = tf.math.lbeta(x = a) # Printing the result print('Result: ', res)
Producción:
a: tf.Tensor( [[ 7. 8.] [13. 11.]], shape=(2, 2), dtype=float64) Result: tf.Tensor([-10.08680861 -16.5150485 ], shape=(2, ), dtype=float64)
Ejemplo 2:
Python3
# Importing the library import tensorflow as tf # Initializing the input tensor a = tf.constant([7, 8, 13, 11], dtype = tf.float64) # Printing the input tensor print('a: ', a) # Calculating the result res = tf.math.lbeta(x = a) # Printing the result print('Result: ', res)
Producción:
a: tf.Tensor([ 7. 8. 13. 11.], shape=(4, ), dtype=float64) Result: tf.Tensor(-52.77215897270088, shape=(), dtype=float64)
Publicación traducida automáticamente
Artículo escrito por aman neekhara y traducido por Barcelona Geeks. The original can be accessed here. Licence: CCBY-SA