Перегрузка оператора TensorFlow

Ответ 1

Если хотя бы один из x или y является объектом tf.Tensor, выражения tf.add(x, y) и x + y эквивалентны. Основная причина, вы можете использовать tf.add(), чтобы явно указать name аргумента ключевого слова для созданного цита, что невозможно с перегруженной версией оператора.

Заметим, что если ни x ни y не являются tf.Tensor - например, если они являются массивами NumPy, то x + y не будет создавать tf.Tensor. tf.add() всегда создает оператор TensorFlow и преобразует его аргументы в объекты tf.Tensor. Поэтому, если вы пишете библиотечную функцию, которая может принимать как тензоры, так и массивы NumPy, вы можете использовать tf.add().

Следующие операторы перегружены в API Penson TensorFlow:

• __neg__ (унарный -)
• __abs__ (abs())
• __invert__ (унарный ~)
• __add__ (двоичный +)
• __sub__ (двоичный -)
• __mul__ (двоичный __mul__ *)
• __div__ (двоичный / в Python 2)
• __floordiv__ (двоичный // в Python 3)
• __truediv__ (двоичный / в Python 3)
• __mod__ (двоичный %)
• __pow__ (двоичный **)
• __and__ (двоичный &)
• __or__ (двоичный |)
• __xor__ (двоичный ^)
• __lt__ (двоичный <)
• __le__ (двоичный <=)
• __gt__ (двоичный >)
• __ge__ (binary >=)

Обратите внимание: __eq__ (binary ==) не перегружен. x == y будет просто возвращать логическое значение Python, если x и y относятся к одному и тому же тензору. Вы должны явно использовать tf.equal() для проверки равенства по элементам. То же самое касается не равных, __ne__ (двоичный !=).