代码拉取完成,页面将自动刷新
tf.keras.backend.batch_dot(x, y, axes=None)
更多内容详见tf.keras.backend.batch_dot。
mindspore.ops.batch_dot(x1, x2, axes=None)
更多内容详见mindspore.ops.batch_dot。
TensorFlow:当输入x和y是批量数据时,batch_dot返回x和y的点积。
MindSpore:MindSpore此API实现功能与Keras一致,仅参数名不同。
分类 | 子类 | TensorFlow | MindSpore | 差异 |
---|---|---|---|---|
参数 | 参数1 | x | x1 | 功能一致,参数名不同 |
参数2 | y | x2 | 功能一致,参数名不同 | |
参数3 | axes | axes | - |
两API不带axes参数实现功能一致,用法相同。
# TensorFlow
import keras.backend as K
import tensorflow as tf
import numpy as np
x = K.variable(np.random.randint(10,size=(10,12,4,5)), dtype=tf.float32)
y = K.variable(np.random.randint(10,size=(10,12,5,8)), dtype=tf.float32)
output = K.batch_dot(x, y)
print(output.shape)
# (10, 12, 4, 12, 8)
# MindSpore
import numpy as np
import mindspore
import mindspore.ops as ops
from mindspore import Tensor
x1 = Tensor(np.random.randint(10,size=(10,12,4,5)), mindspore.float32)
x2 = Tensor(np.random.randint(10,size=(10,12,5,8)), mindspore.float32)
output = ops.batch_dot(x1, x2)
print(output.shape)
# (10, 12, 4, 12, 8)
两API带axes参数实现功能一致,用法相同。
# TensorFlow
import keras.backend as K
import tensorflow as tf
import numpy as np
x = K.variable(np.ones(shape=[2, 2]), dtype=tf.float32)
y = K.variable(np.ones(shape=[2, 3, 2]), dtype=tf.float32)
axes = (1, 2)
output = K.batch_dot(x, y, axes)
print(output.shape)
# (2, 3)
# MindSpore
import numpy as np
import mindspore
import mindspore.ops as ops
from mindspore import Tensor
x1 = Tensor(np.ones(shape=[2, 2]), mindspore.float32)
x2 = Tensor(np.ones(shape=[2, 3, 2]), mindspore.float32)
axes = (1, 2)
output = ops.batch_dot(x1, x2, axes)
print(output.shape)
# (2, 3)
此处可能存在不合适展示的内容,页面不予展示。您可通过相关编辑功能自查并修改。
如您确认内容无涉及 不当用语 / 纯广告导流 / 暴力 / 低俗色情 / 侵权 / 盗版 / 虚假 / 无价值内容或违法国家有关法律法规的内容,可点击提交进行申诉,我们将尽快为您处理。