TensorFlow 运算符重载

Question

和

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，您的计算图形会有什么不同？

更一般地说，+ 或其他张量运算是否过载？

Answer 1

如果 x 或 y 中的至少一个是所创建操作的 tf.Tensor object, the expressions tf.add(x, y) and x + y are equivalent. The main reason you might use tf.add() is to specify an explicit name 关键字参数，这对于重载运算符版本是不可能的。

请注意，如果 x 和 y 都不是 tf.Tensor——例如，如果它们是 NumPy 数组——那么 x + y 将不会创建 TensorFlow 操作。 tf.add() 总是创建一个 TensorFlow op 并将其参数转换为 tf.Tensor 对象。因此，如果您正在编写一个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 中重载 Python API:

• __neg__（一元-）
• __abs__ (abs())
• __invert__（一元~）
• __add__（二进制+）
• __sub__（二进制-）
• __mul__（二进制元素*）
• __div__（二进制/ in Python 2）
• __floordiv__（二进制// in Python 3）
• __truediv__（二进制/ in Python 3）
• __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 == ）未 重载。 x == y 将简单地 return 一个 Python 布尔值是否 x 和 y 指的是同一个张量。您需要明确使用 tf.equal() 来检查元素方面的相等性。同样适用于不等于，__ne__（二进制 !=）。

Answer 2

Mrry 很好地解释说没有真正的区别。我只会在使用 tf.add 有益时添加。

tf.add有一个重要的参数是name。它允许您在张量板中可见的图表中命名操作。所以我的经验法则是，如果在 tensorboard 中命名一个操作是有益的，我会使用 tf. 等价物，否则我会为了简洁而使用重载版本。