Python – tensorflow.math.multiply_no_nan()

TensorFlow es una biblioteca de Python de código abierto diseñada por Google para desarrollar modelos de aprendizaje automático y redes neuronales de aprendizaje profundo. multiplique_no_nan() se usa para encontrar el elemento sabio x*y. Es compatible con la transmisión y devuelve 0 si y es 0, incluso si x es infinito o NaN.

Sintaxis: tf.math.multiply_no_nan(x, y, nombre)

Parámetro:

  • x: Es el tensor de entrada. Los dtype permitidos para este tensor son bfloat16, half, float32, float64, uint8, int8, uint16, int16, int32, int64, complex64, complex128.
  • y: Es el tensor de entrada 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([.2, .5, .7, 1], dtype = tf.float64)
b = tf.constant([.1, .3, 1, 5], dtype = tf.float64)
  
# Printing the input tensor
print('a: ', a)
print('b: ', b)
  
# Calculating result
res = tf.math.multiply_no_nan(x = a, y = b)
  
# Printing the result
print('Result: ', res)

Producción:

a:  tf.Tensor([0.2 0.5 0.7 1. ], shape=(4, ), dtype=float64)
b:  tf.Tensor([0.1 0.3 1.  5. ], shape=(4, ), dtype=float64)
Result:  tf.Tensor([0.02 0.15 0.7  5.  ], shape=(4, ), dtype=float64)


Ejemplo 2: Multiplicación de números complejos

Python3

# importing the library
import tensorflow as tf
import numpy as np
  
# Initializing the input tensor
a = tf.constant([-2, -5, np.inf, np.nan], dtype = tf.float64)
b = tf.constant([-1, -6, 0, 0], dtype = tf.float64)
  
# Printing the input tensor
print('a: ', a)
print('b: ', b)
  
# Calculating result
res = tf.math.multiply_no_nan(x = a, y = b)
  
# Printing the result
print('Result: ', res)

Producción:

a:  tf.Tensor([-2. -5. inf nan], shape=(4, ), dtype=float64)
b:  tf.Tensor([-1. -6.  0.  0.], shape=(4, ), dtype=float64)
Result:  tf.Tensor([ 2. 30.  0.  0.], shape=(4, ), dtype=float64)

Publicación traducida automáticamente

Artículo escrito por aman neekhara y traducido por Barcelona Geeks. The original can be accessed here. Licence: CCBY-SA

Deja una respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *