tensorflow中tf.matrix_diag和tf.matrix_inverse的用法，很多新手对此不是很清楚，为了帮助大家解决这个难题，下面小编将为大家详细讲解，有这方面需求的人可以来学习下，希望你能有所收获。

创新互联建站长期为上千家客户提供的网站建设服务，团队从业经验10年，关注不同地域、不同群体，并针对不同对象提供差异化的产品和服务；打造开放共赢平台，与合作伙伴共同营造健康的互联网生态环境。为巨鹿企业提供专业的成都网站制作、做网站，巨鹿网站改版等技术服务。拥有十余年丰富建站经验和众多成功案例,为您定制开发。

1.tf.matrix_diag(dia)：输入参数是dia，如果输入时一个向量，那就生成二维的对角矩阵，以此类推

2.tf.matrix_inverse(A)：输入如果是一个矩阵，就是得到逆矩阵，依次类推，只是输入的A中的元素需要是浮点数，比如tf.float32等格式，如果是整形，就会出错哈。

例如：

矩阵(二维张量)

import tensorflow as tf;
 
A = [1, 2, 3]
B = tf.matrix_diag(A)
print B.eval(session=tf.Session())
 
B = tf.cast(B, tf.float32)
C = tf.matrix_inverse(B)
print C.eval(session=tf.Session())

输出：
[[1 0 0]
 [0 2 0]
 [0 0 3]]
[[ 1.          0.          0.        ]
 [ 0.          0.5         0.        ]
 [ 0.          0.          0.33333334]]


三维数组(三维张量)
import tensorflow as tf;
 
A = [[1, 2, 3]]
B = tf.matrix_diag(A)
print B.eval(session=tf.Session())
 
B = tf.cast(B, tf.float32)
C = tf.matrix_inverse(B)
print C.eval(session=tf.Session())


输出：
[[[1 0 0]
  [0 2 0]
  [0 0 3]]]
[[[ 1.          0.          0.        ]
  [ 0.          0.5         0.        ]
  [ 0.          0.          0.33333334]]]

---------------------

看完上述内容是否对您有帮助呢？如果还想对相关知识有进一步的了解或阅读更多相关文章，请关注创新互联行业资讯频道，感谢您对创新互联的支持。