Python tf.Variable.__sub__用法及代码示例

用法

__sub__(
    y
)

返回 x - y 元素。

注意： tf.math.subtract支持广播。更多关于广播这里

输入和输出都有一个范围 (-inf, inf) 。

下面的示例用法。

数组和标量之间的减法运算：

x = [1, 2, 3, 4, 5]
y = 1
tf.subtract(x, y)
<tf.Tensor:shape=(5,), dtype=int32, numpy=array([0, 1, 2, 3, 4], dtype=int32)>
tf.subtract(y, x)
<tf.Tensor:shape=(5,), dtype=int32,
numpy=array([ 0, -1, -2, -3, -4], dtype=int32)>

请注意，可以使用二进制 - 运算符代替：

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([0, 1, 2, 3, 4], dtype=int32)>

一个数组和一个相同形状的张量之间的减法运算：

x = [1, 2, 3, 4, 5]
y = tf.constant([5, 4, 3, 2, 1])
tf.subtract(y, x)
<tf.Tensor:shape=(5,), dtype=int32,
numpy=array([ 4,  2,  0, -2, -4], dtype=int32)>

警告：如果输入之一(x 或 y)是张量，而另一个是非张量，则非张量输入将采用(或转换为)张量输入的数据类型。这可能会导致不需要的上溢或下溢转换。

例如，

x = tf.constant([1, 2], dtype=tf.int8)
y = [2**8 + 1, 2**8 + 2]
tf.subtract(x, y)
<tf.Tensor:shape=(2,), dtype=int8, numpy=array([0, 0], dtype=int8)>

当两个不同形状的输入值相减时，tf.subtract遵循一般的广播规则。两个输入数组形状按元素进行比较。从尾随维度开始，这两个维度或者必须相等，或者其中之一必须是 1 。

例如，

x = np.ones(6).reshape(2, 3, 1)
y = np.ones(6).reshape(2, 1, 3)
tf.subtract(x, y)
<tf.Tensor:shape=(2, 3, 3), dtype=float64, numpy=
array([[[0., 0., 0.],
        [0., 0., 0.],
        [0., 0., 0.]],
       [[0., 0., 0.],
        [0., 0., 0.],
        [0., 0., 0.]]])>

不同维度输入的示例：

x = np.ones(6).reshape(2, 3, 1)
y = np.ones(6).reshape(1, 6)
tf.subtract(x, y)
<tf.Tensor:shape=(2, 3, 6), dtype=float64, numpy=
array([[[0., 0., 0., 0., 0., 0.],
        [0., 0., 0., 0., 0., 0.],
        [0., 0., 0., 0., 0., 0.]],
       [[0., 0., 0., 0., 0., 0.],
        [0., 0., 0., 0., 0., 0.],
        [0., 0., 0., 0., 0., 0.]]])>