TensorFlow运算符重载

Question

之间有什么区别

   tf.add(x, y)

和

   x + y

在TensorFlow中？用+代替构造图形时，计算图形会有什么不同tf.add()？

更一般而言， +张量或其他运算是否过载？

Answer 1

如果x或中的至少一个y是tf.Tensor对象，则表达式tf.add(x, y)和x + y是等效的。您可能使用的主要原因tf.add()是name为创建的op指定一个显式的关键字参数，这对于重载的运算符版本是不可能的。

请注意，如果x也不y是（tf.Tensor例如，如果它们是NumPy数组），那么x + y将不会创建TensorFlow
op。tf.add()总是创建一个TensorFlow
op并将其参数转换为tf.Tensor对象。因此，如果编写的库函数可能同时接受张量和NumPy数组，则您可能更喜欢使用tf.add()。

TensorFlow Python API中的以下运算符已重载：

• __neg__（一元-）
• __abs__（abs()）
• __invert__（一元~）
• __add__（二进制+）
• __sub__（二进制-）
• __mul__（二进制元素*）
• __div__（/Python 2中的二进制）
• __floordiv__（//Python 3中的二进制）
• __truediv__（/Python 3中的二进制）
• __mod__（二进制%）
• __pow__（二进制**）
• __and__（二进制&）
• __or__（二进制|）
• __xor__（二进制^）
• __lt__（二进制<）
• __le__（二进制<=）
• __gt__（二进制>）
• __ge__（二进制>=）

请注意，__eq__（binary ==） 没有 过载。x == y将简单地返回一个Python布尔值是否x和y引用相同的张量。您需要tf.equal()显式使用以检查元素方式的相等性。不相等__ne__（二进制!=）也是如此。