Se almeno una delle x
o y
è un oggetto tf.Tensor
, le espressioni tf.add(x, y)
e x + y
sono equivalenti. Il motivo principale per cui è possibile utilizzare tf.add()
consiste nel specificare un argomento parola chiave esplicito name
per l'operazione creata, che non è possibile con la versione dell'operatore sovraccarico.
noti che se né x
né y
è un tf.Tensor
— ad esempio se sono matrici NumPy — poi x + y
non creerà un op tensorflow. tf.add()
crea sempre un TensorFlow op e converte i suoi argomenti in oggetti tf.Tensor
. Pertanto, se stai scrivendo una funzione di libreria che potrebbe accettare sia tensori che array NumPy, potresti preferire usare tf.add()
.
i seguenti operatori è sovraccarica nella API tensorflow Python:
__neg__
(unario -
)
__abs__
(abs()
)
__invert__
(unario ~
)
__add__
(binario +
)
__sub__
(binario -
)
__mul__
(elementwise binario *
)
__div__
(binario /
in Python 2)
__floordiv__
(binario //
in Python 3)
__truediv__
(binario /
in Python 3)
__mod__
(binario %
)
__pow__
(binario **
)
__and__
(binario &
)
__or__
(binario |
)
__xor__
(binario ^
)
__lt__
(binario <
)
__le__
(binario <=
)
__gt__
(binario >
)
- (binario
>=
)
e se si desidera l'operatore '==' su confronto scalare tensore? –