Tensorflow.JS - TF.mod

“Tf.mod () in tensorflow.JS viene utilizzato per eseguire la divisione per l'elemento su due tensori/scalari e restituire il resto."

Scenario 1: lavorare con scalare

Scalare memorizzerà solo un valore. Ma comunque, restituisce un tensore.

Sintassi

tf.Mod (Scalar1, Scalar2)

Parametri
Scalar1 e scarato2 sono i tensori che possono assumere un solo valore come parametro.

Ritorno
Restituire il resto di due valori scalari.

Esempio
Crea due scalari ed esegui una divisione di due scalari per restituire il resto.

Tensorflow.JS - TF.mod ()

Produzione

Lavorando
30%70 = 30.

Scenario 2: lavorare con tensore

Un tensore può archiviare più valori; Può essere single o multidimensionale.

Sintassi

tf.Mod (Tensor1, Tensor2)

Parametri
Tensor1 e Tensor2 sono i tensori che possono assumere solo valori singoli o più come parametro.

Ritorno
Restituire il resto di due tensori riguardanti ogni elemento.

Dobbiamo notare che il numero totale di elementi in entrambi i tensori deve essere uguale.

Esempio 1
Crea due tensori unidimensionali e restituire il resto usando TF.mod ().

Tensorflow.JS - TF.mod ()

Produzione

Lavorando
[10%1,20%2.30%3,40%4,50%5] => tensore [0,0,0,0,0].

Esempio 2
Crea 2 tensori bidimensionali con 2 righe e 3 colonne e applica TF.mod ().

Tensorflow.JS - TF.mod ()

Produzione

Lavorando
[[1%34,2%10,3%20], [4%30,5%40,6%50]] => [[1, 2, 3], [4, 5, 6]].

Scenario 3: lavorare con tensore e scalare

Può essere possibile dividere ogni elemento in un tensore di uno scalare per restituire il resto.

Sintassi

tf.mod (tensore, scalare)

Esempio
Crea un tensore monodimensionale e uno scalare ed esegui la divisione per restituire il resto usando TF.mod ().

Tensorflow.JS - TF.mod ()

Produzione

Lavorando
[10%10, 20%10, 30%10, 4%10, 5%10, 6%10] => [0, 0, 0, 4, 5, 6].

Conclusione

tf.mod () in tensorflow.JS viene utilizzato per eseguire resti di divisione e restituire elementi diretti. Abbiamo discusso di tre scenari per dividere un tensore di uno scalare. Inoltre, abbiamo notato che lo scalare memorizzerà solo un valore e restituirà un tensore. Durante l'esecuzione di TF.mod () su due tensori, assicurarsi che il numero di elementi in due tensori debba essere lo stesso.