极客教程Python – tensorflow.math.cumulative_logsumexp()
TensorFlow是谷歌设计的开源Python库，用于开发机器学习模型和深度学习神经网络。
cumulative_logsumexp()用于计算输入张量的累积对数-exp。这个操作相当于tensorflow.math.log( tensorflow.math.cumsum( tensorflow.math.exp(x))，但它在数值上更稳定。
语法: tensorflow.math.cumulative_logsumexp( x, axis, exclusive, reverse, name)
参数:
- x:它是输入张量。这个张量允许的dtypes是float16, float32, float64。
- axis（可选）:它是一个int32类型的张量。它的值应该在一个int32类型的张量的范围内（默认：0）。必须在[-rank(x), rank(x)]范围内。默认值是0。
- exclusive（可选）:它的类型是bool。默认值是False。
- reverse（可选）:它的类型是bool。默认值是False。
- name（可选）:它定义了操作的名称。
返回值:
它返回一个与x具有相同dtype的张量。
示例 1:
# importing the library
import tensorflow as tf
# initializing the input
a = tf.constant([1, 2, 4, 5], dtype = tf.float64)
# Printing the input
print("Input: ",a)
# Cumulative log-sum-exp
res = tf.math.cumulative_logsumexp(a)
# Printing the result
print("Output: ",res)
输出:
Input: tf.Tensor([1. 2. 4. 5.], shape=(4,), dtype=float64)
Output: tf.Tensor([1. 2.31326169 4.16984602 5.36184904], shape=(4,), dtype=float64)
例子2：在这个例子中，反向和排他都被设置为 “真”。
# importing the library
import tensorflow as tf
# initializing the input
a = tf.constant([2, 3, 4, 5], dtype = tf.float64)
# Printing the input
print("Input: ",a)
# Cumulative log-sum-exp
res = tf.math.cumulative_logsumexp(a, reverse = True, exclusive = True)
# Printing the result
print("Output: ",res)
输出:
Input: tf.Tensor([2. 3. 4. 5.], shape=(4,), dtype=float64)
Output: tf.Tensor([ 5.40760596e+000 5.31326169e+000 5.00000000e+000 -1.79769313e+308], shape=(4,), dtype=float64)