[TensorFlow系列-10]：TensorFlow基础 - 张量元素的比较运算

Posted 2021-09-05 文火冰糖的硅基工坊

tags:

篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了[TensorFlow系列-10]：TensorFlow基础 - 张量元素的比较运算相关的知识，希望对你有一定的参考价值。

作者主页(文火冰糖的硅基工坊)：https://blog.csdn.net/HiWangWenBing

本文网址：https://blog.csdn.net/HiWangWenBing/article/details/119641199

第1章 Tensor运算概述

1.1 概述

1.3 “in place“运算 : 不支持

1.4 Tensor的广播机制: 不同维度的tensor实例运算

1.5 环境准备

1.6 比较运算概述

第2章常规值的比较示例

2.1 比较两个tensor是否完全相同：不支持

2.2 比较两个tensor的每个元素是否相等关系：tf.math.equal(x,y)

2.3 比较两个tensor的每个元素是否为大小关系：tf.math.greater(x,y)

2.4 比较两个tensor的每个元素是否为大小关系：tf.math.greater_equal(x,y)

2.5 比较两个tensor的每个元素是否为大小关系：tf.math.less(x,y)

2.6 比较两个tensor的每个元素是否为大小关系：tf.math.less_equal(x,y)

2.7 比较两个tensor的每个元素是否为大小关系：tf.math.not_equal(x,y)

第3章非常规值（is_xxx）的比较示例

3.1 是否为有界限的数值: tf.math.is_finite(x)

3.2 是否为无界限的数值或无穷值：tf.math.is_inf(x)

3.3 检测张量元素是否为NAN（空数据）：tf.math.is_nas(x)

第1章 Tensor运算概述

1.1 概述

Tensorflow提供了大量的张量运算，基本上可以对标Numpy多维数组的运算，以支持对张量的各种复杂的运算。

这些操作运算中大多是对数组中每个元素执行相同的函数运算，并获得每个元素函数运算的结果序列，这些序列生成一个新的同维度的数组。

https://tensorflow.google.cn/api_docs/python/tf

1.2 运算分类

（1）算术运算：加、减、系数乘、系数除

（2）函数运算：sin，cos

（3）取整运算：上取整、下取整

（4）统计运算：最大值、最小值、均值

（5）比较运算：大于，等于，小于

（6）线性代数运算：矩阵、点乘、叉乘

1.3 “in place“运算 : 不支持

1.4 Tensor的广播机制: 不同维度的tensor实例运算

1.5 环境准备

#环境准备
import numpy as np
import tensorflow as tf
print("hello world")
print("tensorflow version:", tf.__version__)

1.6 比较运算概述

（1）概述

张量比较是指张量的每个元素的的比较
比较的对象，可以是两个张量之间的对应元素的比较
比较的对象，可以是一个张量中的所有元素与0、指定元素、无效值NA或无穷值进行比较
比较的结果是只包含true和false的张量。

（2）与常规值的比较

备注：

other是比较对象，可以是张量，可以是数字，默认是0
比较的结果是只包含true和false的张量。

（3）与非常规值的比较

is_finite：是否为有界限的数值，

is_inf：是否为无界限的数值或无穷值

正数/0 =》正无穷，用inf表示
附属/0 =》负无穷，用-inf表示

is_nan：检测张量元素是否为nan（空数据），返回true or flase；

无效数据
非数字数据,
0/0
读取外部数据时，无输入数据

is_normal：检测张量元素是否为有效数据。Tensorflow不支持

第2章常规值的比较示例

常规值的比较，不同运算符的比较方法比较类似，这里选出几个进行示意。

2.1 比较两个tensor是否完全相同：不支持

2.2 比较两个tensor的每个元素是否相等关系：tf.math.equal(x,y)

# 代码示例

# 比较两个tensro之间的每个元素
a = tf.constant([[1,2,3],[4,5,6]])  
print ("原数据a：")
print (a)


b = tf.constant([[1,2,3],[4,5,6]])  
print ("原数据b：")
print (a)


c = tf.constant([[0,2,3],[0,5,6]])  
print ("原数据c：")
print (a)

print ("\\n比较a与b：")
print(tf.equal(a,b))    
print(tf.math.equal(a,b))    

print ("\\n比较a与c：")
print(tf.equal(a,c))
print(tf.math.equal(a,c))

输出：

原数据a：
tf.Tensor(
[[1 2 3]
 [4 5 6]], shape=(2, 3), dtype=int32)
原数据b：
tf.Tensor(
[[1 2 3]
 [4 5 6]], shape=(2, 3), dtype=int32)
原数据c：
tf.Tensor(
[[1 2 3]
 [4 5 6]], shape=(2, 3), dtype=int32)

比较a与b：
tf.Tensor(
[[ True  True  True]
 [ True  True  True]], shape=(2, 3), dtype=bool)
tf.Tensor(
[[ True  True  True]
 [ True  True  True]], shape=(2, 3), dtype=bool)

比较a与c：
tf.Tensor(
[[False  True  True]
 [False  True  True]], shape=(2, 3), dtype=bool)
tf.Tensor(
[[False  True  True]
 [False  True  True]], shape=(2, 3), dtype=bool)

2.3 比较两个tensor的每个元素是否为大小关系：tf.math.greater(x,y)

#代码示例：

# 比较两个tensor之间的每个元素
a = tf.constant([[1,2,3],[4,5,6]])  
print ("原数据a：")
print (a)


b = tf.constant([[1,2,3],[4,5,6]])  
print ("原数据b：")
print (a)


c = tf.constant([[0,2,3],[0,5,6]])  
print ("原数据c：")
print (a)

print ("\\n比较a与b：")
print(tf.greater(a,b))
print(tf.math.greater(a,b))

print ("\\na比较与c：")
print(tf.greater(a,c))
print(tf.math.greater(a,c))

输出：

原数据a：
tf.Tensor(
[[1 2 3]
 [4 5 6]], shape=(2, 3), dtype=int32)
原数据b：
tf.Tensor(
[[1 2 3]
 [4 5 6]], shape=(2, 3), dtype=int32)
原数据c：
tf.Tensor(
[[1 2 3]
 [4 5 6]], shape=(2, 3), dtype=int32)

比较a与b：
tf.Tensor(
[[False False False]
 [False False False]], shape=(2, 3), dtype=bool)
tf.Tensor(
[[False False False]
 [False False False]], shape=(2, 3), dtype=bool)

a比较与c：
tf.Tensor(
[[ True False False]
 [ True False False]], shape=(2, 3), dtype=bool)
tf.Tensor(
[[ True False False]
 [ True False False]], shape=(2, 3), dtype=bool)

2.4 比较两个tensor的每个元素是否为大小关系：tf.math.greater_equal(x,y)

方法同上。

2.5 比较两个tensor的每个元素是否为大小关系：tf.math.less(x,y)

方法同上。

2.6 比较两个tensor的每个元素是否为大小关系：tf.math.less_equal(x,y)

方法同上。

2.7 比较两个tensor的每个元素是否为大小关系：tf.math.not_equal(x,y)

方法同上。

第3章非常规值（is_xxx）的比较示例

3.1 是否为有界限的数值: tf.math.is_finite(x)

#代码示例

# 比较tensor的每个元素是否为无穷数据
a = tf.constant([0.,1.,2.,3.,4.,5.,6.,7.,8.,9])  
print ("原数据a：")
print (a)

print ("原数据b：")
b = a/0
print(b)

print ("原数据b：")
c = -a/0
print(c)

print("比较结果")
print(tf.math.is_finite(a))
print(tf.math.is_finite(b))
print(tf.math.is_finite(c))

输出：

原数据a：
tf.Tensor([0. 1. 2. 3. 4. 5. 6. 7. 8. 9.], shape=(10,), dtype=float32)
原数据b：
tf.Tensor([nan inf inf inf inf inf inf inf inf inf], shape=(10,), dtype=float32)
原数据b：
tf.Tensor([ nan -inf -inf -inf -inf -inf -inf -inf -inf -inf], shape=(10,), dtype=float32)

比较结果
tf.Tensor([ True  True  True  True  True  True  True  True  True  True], shape=(10,), dtype=bool)
tf.Tensor([False False False False False False False False False False], shape=(10,), dtype=bool)
tf.Tensor([False False False False False False False False False False], shape=(10,), dtype=bool)

备注：

0/0为nan数据
inf为正无穷
-inf为负无穷
nan不是正无穷，也不是负无穷

3.2 是否为无界限的数值或无穷值：tf.math.is_inf(x)

# 代码示例

# 比较tensor的每个元素是否为有限数据
a = tf.constant([0.,1.,2.,3.,4.,5.,6.,7.,8.,9.])  
print ("原数据a：")
print (a)

print ("原数据b：")
b = a/0
print(b)

print ("原数据c：")
c = -a/0
print(c)

print("\\n比较结果")
print(tf.math.is_inf(a))
print(tf.math.is_inf(b))
print(tf.math.is_inf(c))

输出：

输出：

原数据a：
tf.Tensor([0. 1. 2. 3. 4. 5. 6. 7. 8. 9.], shape=(10,), dtype=float32)
原数据b：
tf.Tensor([nan inf inf inf inf inf inf inf inf inf], shape=(10,), dtype=float32)
原数据c：
tf.Tensor([ nan -inf -inf -inf -inf -inf -inf -inf -inf -inf], shape=(10,), dtype=float32)

比较结果
tf.Tensor([False False False False False False False False False False], shape=(10,), dtype=bool)
tf.Tensor([False  True  True  True  True  True  True  True  True  True], shape=(10,), dtype=bool)
tf.Tensor([False  True  True  True  True  True  True  True  True  True], shape=(10,), dtype=bool)

备注：

nas既不是有限数据，也不是无限数据。

3.3 检测张量元素是否为NAN（空数据）：tf.math.is_nas(x)

#代码示例

#  比较tensor的每个元素是否为NAN
a = tf.constant([0.,1.,2.,3.,4.,5.,6.,7.,8.,9.])  
print ("原数据a：")
print (a)

print ("原数据b：")
b = a/0
print(b)

print ("原数据b：")
c = -a/0
print(c)

print("\\n比较结果")
print(tf.math.is_nan(a))
print(tf.math.is_nan(b))
print(tf.math.is_nan(c))

输出：

原数据a：
tf.Tensor([0. 1. 2. 3. 4. 5. 6. 7. 8. 9.], shape=(10,), dtype=float32)
原数据b：
tf.Tensor([nan inf inf inf inf inf inf inf inf inf], shape=(10,), dtype=float32)
原数据b：
tf.Tensor([ nan -inf -inf -inf -inf -inf -inf -inf -inf -inf], shape=(10,), dtype=float32)

比较结果
tf.Tensor([False False False False False False False False False False], shape=(10,), dtype=bool)
tf.Tensor([ True False False False False False False False False False], shape=(10,), dtype=bool)
tf.Tensor([ True False False False False False False False False False], shape=(10,), dtype=bool)

作者主页(文火冰糖的硅基工坊)：https://blog.csdn.net/HiWangWenBing

本文网址：https://blog.csdn.net/HiWangWenBing/article/details/119641199