TensorFlow es una biblioteca Python de código abierto diseñada por Google para desarrollar modelos de aprendizaje automático y redes neuronales de aprendizaje profundo.
segment_prod() se usa para encontrar el producto de elementos en segmentos de un tensor.
Sintaxis: tensorflow.math.segment_prod (datos, segment_ids, nombre)
Parámetro:
- datos: Es un tensor. Los dtypes permitidos son float32, float64, int32, uint8, int16, int8, int64, bfloat16, uint16, half, uint32, uint64.
- segment_ids: es un tensor 1-D con valores ordenados. Su tamaño debe ser igual al tamaño de la primera dimensión de los datos. Los dtypes permitidos son int32 e int64.
- name(opcional): Define el nombre de la operación.
Retorno: Devuelve un tensor de tipo d como x.
Ejemplo 1:
Python3
# importing the library import tensorflow as tf # Initializing the input tensor data = tf.constant([1, 2, 3]) segment_ids = tf.constant([2, 2, 2]) # Printing the input tensor print('data: ', data) print('segment_ids: ', segment_ids) # Calculating result res = tf.math.segment_prod(data, segment_ids) # Printing the result print('Result: ', res)
Producción:
data: tf.Tensor([1 2 3], shape=(3, ), dtype=int32) segment_ids: tf.Tensor([2 2 2], shape=(3, ), dtype=int32) Result: tf.Tensor([1 1 6], shape=(3, ), dtype=int32)
Ejemplo 2:
Python3
# importing the library import tensorflow as tf # Initializing the input tensor data = tf.constant([[1, 2, 3], [4, 5, 6], [7, 8, 9]], dtype = float64) segment_ids = tf.constant([0, 0, 2]) # Printing the input tensor print('data: ', data) print('segment_ids: ', segment_ids) # Calculating result res = tf.math.segment_prod(data, segment_ids) # Printing the result print('Result: ', res)
Producción:
data: tf.Tensor( [[1. 2. 3.] [4. 5. 6.] [7. 8. 9.]], shape=(3, 3), dtype=float64) segment_ids: tf.Tensor([0 0 2], shape=(3, ), dtype=int32) Result: tf.Tensor( [[ 4. 10. 18.] [ 1. 1. 1.] [ 7. 8. 9.]], shape=(3, 3), dtype=float64)
Publicación traducida automáticamente
Artículo escrito por aman neekhara y traducido por Barcelona Geeks. The original can be accessed here. Licence: CCBY-SA