tensorflow l'overloading degli operatori

Question

Qual è la differenza tra

tf.add(x, y) 

e

x + y 

in tensorflow? Quale sarebbe diverso nel grafico di calcolo quando costruisci il grafico con + anziché tf.add()?

Più in generale, sono + o altre operazioni sovraccaricate per i tensori?

Answer 1

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 >=)