Python – tensorflow.math.reduce\_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。

reduce\_logsumexp()用于计算张量的各维元素的对数和exp。

语法:
tensorflow.math.reduce_logsumexp( input_tensor, axis, keepdims, name)

参数:

• input\_tensor :它是要减少的数字张量。
• axis（可选）:它代表要减少的维度。它的值应该在 [-rank(input\_tensor), rank(input\_tensor)] 范围内。如果没有给这个值，所有的维度都会被减少。
• keepdims（可选）:它的默认值是False。如果它被设置为True，它将保留长度为1的缩小尺寸。
• name（可选）:它定义了该操作的名称。

返回：
它返回一个张量。

示例 1:

# importing the library
import tensorflow as tf

# Initializing the input tensor
a = tf.constant([1, 2, 3, 4], dtype = tf.float64)

# Printing the input tensor
print('Input: ', a)

# Calculating result
res = tf.math.reduce_logsumexp(a)

# Printing the result
print('Result: ', res)

输出:

Input: tf.Tensor([1. 2. 3. 4.], shape=(4, ), dtype=float64)
Result: tf.Tensor(4.440189698561196, shape=(), dtype=float64)

示例 2:

# importing the library
import tensorflow as tf

# Initializing the input tensor
a = tf.constant([[1, 2], [3, 4]], dtype = tf.float64)

# Printing the input tensor
print('Input: ', a)

# Calculating result
res = tf.math.reduce_logsumexp(a, axis = 1, keepdims = True)

# Printing the result
print('Result: ', res)

输出:

Input: tf.Tensor(
[[1. 2.]
[3. 4.]], shape=(2, 2), dtype=float64)
Result: tf.Tensor(
[[2.31326169]
[4.31326169]], shape=(2, 1), dtype=float64)