Python tf.compat.v1.Variable.__sub__用法及代碼示例

用法

__sub__(
    y
)

返回 x - y 元素。

注意： tf.math.subtract支持廣播。更多關於廣播這裏

輸入和輸出都有一個範圍 (-inf, inf) 。

下麵的示例用法。

數組和標量之間的減法運算：

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)>

請注意，可以使用二進製 - 運算符代替：

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)>

一個數組和一個相同形狀的張量之間的減法運算：

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：如果輸入之一(x 或 y)是張量，而另一個是非張量，則非張量輸入將采用(或轉換為)張量輸入的數據類型。這可能會導致不需要的上溢或下溢轉換。

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)>

當兩個不同形狀的輸入值相減時，tf.subtract遵循一般的廣播規則。兩個輸入數組形狀按元素進行比較。從尾隨維度開始，這兩個維度或者必須相等，或者其中之一必須是 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.]]])>

不同維度輸入的示例：

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.]]])>