TensorFlow运算符重载

Question

有什么区别

   tf.add(x, y)

和

   x + y

在TensorFlow中？当您使用+而不是tf.add()？构建图形时,计算图形会有什么不同？

更一般地说,是否 +为张量超载或其他操作？

Answer 1

如果至少一个x或y是一个tf.Tensor对象,则表达式tf.add(x, y)和x + y是相等的.您可能使用的主要原因tf.add()是name为创建的op 指定显式关键字参数,这对于重载的运算符版本是不可能的.

需要注意的是,如果没有x,也不y是tf.Tensor如果他们是NumPy的-例如阵列,那么x + y将不会创建TensorFlow运算.tf.add()总是创建一个TensorFlow操作并将其参数转换为tf.Tensor对象.因此,如果您正在编写可能同时接受张量和NumPy数组的库函数,您可能更愿意使用tf.add().

以下运算符在TensorFlow Python API中重载:

• __neg__(一元-)
• __abs__(abs())
• __invert__(一元~)
• __add__(二进制+)
• __sub__(二进制-)
• __mul__(二元元素*)
• __div__(/Python 2中的二进制文件)
• __floordiv__(//Python 3中的二进制文件)
• __truediv__(/Python 3中的二进制文件)
• __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__(二进制==)不会超载.x == y将简单地返回一个Python布尔值,x并且y引用相同的张量.您需要tf.equal()显式使用以检查元素明确的相等性.同样不等于__ne__(二进制!=).