tf.math.add

Возвращает x + y поэлементно.

Просмотр псевдонимов

Основные псевдонимы

tf.add

Псевдонимы совместимости для миграции

См. Руководство по миграции для получения дополнительной информации.

tf.compat.v1.add

tf.math.add(
    x, y, name=None
)

Использование в блокнотах

Используется в руководстве	Используется в учебниках
TF-NumPy Типы данных и продвижение Распределенное обучение с основными API и DTensor Логистическая регрессия для бинарной классификации с основными API Многослойные перцептроны для распознавания цифр с помощью основных API Быстрый старт для основных API TensorFlow	Основы кастомизации: тензоры и операции Вводная информация по индикаторам справедливости Создание собственного алгоритма федерального обучения Настраиваемые алгоритмы федерального обучения, часть 1: Введение в федеральный ядро Эффективное федеральное обучение с большими моделями на клиентах с помощью `federated_select` и разреженной агрегации

Используется в руководстве

Используется в учебниках

Примеры использования ниже.

Сложение скаляра и списка:

x = [1, 2, 3, 4, 5]
y = 1
tf.add(x, y)
<tf.Tensor: shape=(5,), dtype=int32, numpy=array([2, 3, 4, 5, 6],
dtype=int32)>

Обратите внимание, что бинарная + операция может быть использована вместо неё:

x = tf.convert_to_tensor([1, 2, 3, 4, 5])
y = tf.convert_to_tensor(1)
x + y
<tf.Tensor: shape=(5,), dtype=int32, numpy=array([2, 3, 4, 5, 6],
dtype=int32)>

Сложение тензора и списка одинаковой формы:

x = [1, 2, 3, 4, 5]
y = tf.constant([1, 2, 3, 4, 5])
tf.add(x, y)
<tf.Tensor: shape=(5,), dtype=int32,
numpy=array([ 2,  4,  6,  8, 10], dtype=int32)>

Например,

x = tf.constant([1, 2], dtype=tf.int8)
y = [2**7 + 1, 2**7 + 2]
tf.add(x, y)
<tf.Tensor: shape=(2,), dtype=int8, numpy=array([-126, -124], dtype=int8)>

При сложении двух входных значений с разными формами, Add следует правилам NumPy вещания. Две формы входных массивов сравниваются поэлементно. Начиная с последних измерений, два измерения либо должны быть равны, либо одно из них должно быть 1.

Например,

x = np.ones(6).reshape(1, 2, 1, 3)
y = np.ones(6).reshape(2, 1, 3, 1)
tf.add(x, y).shape.as_list()
[2, 2, 3, 3]

Ещё один пример с двумя массивами разной размерности.

x = np.ones([1, 2, 1, 4])
y = np.ones([3, 4])
tf.add(x, y).shape.as_list()
[1, 2, 3, 4]

Версия сокращения этой поэлементной операции — tf.math.reduce_sum

Аргументы
`x`	A `tf.Tensor`. Должен быть одного из следующих типов: bfloat16, half, float16, float32, float64, uint8, uint16, uint32, uint64, int8, int16, int32, int64, complex64, complex128, string.
`y`	A `tf.Tensor`. Должен иметь тот же тип, что и x.
`name`	Имя операции (необязательно)

© 2022 The TensorFlow Authors. All rights reserved.
Licensed under the Creative Commons Attribution License 4.0.
Code samples licensed under the Apache 2.0 License.
https://www.tensorflow.org/api_docs/python/tf/math/add