Tensorflow中tf.nn.bias_add()以及tf.add()和tf.add_n的實作

tf.nn.bias_add()： 

通俗解釋：

    一個叫bias的向量加到一個叫value的矩陣上，是向量與矩陣的每一行進行相加，得到的結果和value矩陣大小相同。

import tensorflow as tf

a=tf.constant([[1,1],[2,2],[3,3]],dtype=tf.float32)
b=tf.constant([1,-1],dtype=tf.float32)
c=tf.constant([1],dtype=tf.float32)

with tf.Session() as sess:
    print('bias_add:')
    print(sess.run(tf.nn.bias_add(a, b)))
    #執行下面語句錯誤
    #print(sess.run(tf.nn.bias_add(a, c)))
           

輸出結果：

bias_add:

[[ 2. 0.]

[ 3. 1.]

[ 4. 2.]]

tf.add( x,y, name=None)：

通俗解釋：

    這個情況比較多，最常見的是，一個叫x的矩陣和一個叫y的數相加，就是y分别與x的每個數相加，得到的結果和x大小相同。

import tensorflow as tf    
  
x=tf.constant([[1,2],[1,2]])    
y=tf.constant([[1,1],[1,2]])  
z=tf.add(x,y)  
  
x1=tf.constant(1)  
y1=tf.constant(2)  
z1=tf.add(x1,y1)  
  
x2=tf.constant(2)  
y2=tf.constant([1,2])  
z2=tf.add(x2,y2)  
  
x3=tf.constant([[1,2],[3,4]])    
y3=tf.constant([[1,1]])  
z3=tf.add(x3,y3)  
  
with tf.Session() as sess:  
    z_result,z1_result,z2_result,z3_result=sess.run([z,z1,z2,z3])  
    print('z =\n%s'%(z_result))  
    print('z1 =%s'%(z1_result))  
    print('z2 =%s'%(z2_result))  
    print('z3 =%s'%(z3_result))  
           

得到的結果是：

z =[[2 3]
    [2 4]]
           

z1 =3
           

z2 =[3 4]
           

z3 =[[2 3]
     [4 5]]
           

tf.add_n(inputs,name=None)

通俗解釋：

    函數是實作一個清單的元素的相加。就是輸入的對象是一個清單，清單裡的元素可以是向量，矩陣等但沒有廣播功能

import tensorflow as tf;    
import numpy as np;    
    
input1 = tf.constant([1.0, 2.0, 3.0])    
input2 = tf.Variable(tf.random_uniform([3]))    
output = tf.add_n([input1, input2]) #注意輸入是一個清單   
    
with tf.Session() as sess:    
    sess.run(tf.initialize_all_variables())    
    print (sess.run(input1 + input2))    
    print (sess.run(output))  
           

輸出結果：

[1.4135424 2.694611  3.2243743]
[1.4135424 2.694611  3.2243743]