【TensorFlow】【算子解析】【tf.math】tf.math.abs

【算子功能描述】

tf.math.abs算子的做用是计算输入数据的绝对值 y = |x|

【案例】

# -*- coding:utf-8 -*-
import tensorflow as tf
import numpy as np

img = np.random.standard_normal(size=(1,3,3)).astype(np.float32)

print(img)

x = tf.placeholder(shape=(1,3,3),dtype=tf.float32)

y = tf.math.abs(x)

with tf.Session() as sess:
    y = sess.run(fetches=y,feed_dict={x:img})
    print(y)
    tf.train.write_graph(graph_or_graph_def=sess.graph,logdir="./",name="./model/tf_math_abs.pb",as_text=True)

输入数据以下：

[[[-1.0353351   1.0076202  -2.4349942 ]
  [ 0.9931925  -0.14527066 -1.4662837 ]
  [ 0.31412837 -3.0430195  -0.3829416 ]]]

输出数据以下：

[[[1.0353351  1.0076202  2.4349942 ]
  [0.9931925  0.14527066 1.4662837 ]
  [0.31412837 3.0430195  0.3829416 ]]]

【模型结构】

能够看出该算子的模型结构比较简单，属性"T”表示当前处理的数据类型，为dtype。该属性值时tf自动推断出来并填写的。

该算子的输入节点为name为“Placeholder”的节点。tf pb模型中，算子的name是惟一的，tf用name做为算子的id，用做标识算子，graph中的node的边关系，也是经过name来创建的。

 

【算子定义】

该算子的定义在 tensorflow/core/ops/math_ops.cc ，具体定义以下：

PS： 咱们再作TensorFlow模型优化时，咱们能够将pb模型反序列化后，创建本身的图结构，而后将tf模型转换为咱们本身的模型。所以。了解每个算子的定义比较重要。固然，这须要一个TensorFlow基线版本，存在一样的python接口，在不一样的tf版本上，底层实现算子不同的状况，所以，再作tf模型优化时，咱们须要了解tf的c++算子定义。