python - tf.sub 和 tensorflow 中的减法运算有什么区别？

Question

我正在尝试使用 Tensorflow。这是一个非常简单的代码。

train = tf.placeholder(tf.float32, [1], name="train")
W1 = tf.Variable(tf.truncated_normal([1], stddev=0.1), name="W1")
loss = tf.pow(tf.sub(train, W1), 2)
step = tf.train.GradientDescentOptimizer(0.1).minimize(loss)

忽略优化部分(第 4 行)。它将取一个 float 并训练 W1 以增加平方差。

我的问题很简单。如果我只使用减号而不是 tf.sub"如下，有什么不同？会不会导致错误的结果？

loss = tf.pow(train-W1, 2)

当我替换它时，结果看起来是一样的。如果都一样，为什么还要用到“tf.add/tf.sub”的东西呢？

内置反向传播计算只能通过“tf.*”的东西来完成？

Answer 1

是的，- 和 + 解析为 tf.sub 和 tf.add。如果您查看 tensorflow 代码，您会发现 tf.Variable 上的这些运算符被 tf.* 方法重载。

至于为什么两者都存在，我假设 tf.* 的存在是为了保持一致性。所以 sub 和 say matmul 操作可以以同样的方式使用。而运算符重载是为了方便。