这里所说的基本运算，是指常见的加、减、乘、除运算，需要区分矩阵乘法和矩阵点乘。为了方便运算，首先定义三个矩阵，为什么三个矩阵呢，因为矩阵乘法要求前一个矩阵的行数等于后一个矩阵的列数。
a = tf.constant([[2, 2, 2], [3, 3, 3]], dtype=tf.float32)
b = tf.constant([[1, 1, 1], [2, 2, 2]], dtype=tf.float32)
c = tf.constant([[1, 1], [2, 2], [3, 3]], dtype=tf.float32)
# a =
# [[2. 2. 2.]
# [3. 3. 3.]]
# b =
# [[1. 1. 1.]
# [2. 2. 2.]]
# c =
# [[1. 1.]
# [2. 2.]
# [3. 3.]]
- tf.add(x, y, name=None)
矩阵x和矩阵y对应位置的元素相加
tf.add(a, b)
[[3. 3. 3.]
[5. 5. 5.]]
- tf.subtract(x, y, name=None)
矩阵x和矩阵y对应位置的元素相减
tf.subtract(a, b)
[[1. 1. 1.]
[1. 1. 1.]]
- tf.multiply(x, y, name=None)
矩阵x和矩阵y对应位置的元素相乘
tf.multiply(a, b)
[[2. 2. 2.]
[6. 6. 6.]]
- tf.divide(x, y, name=None)
矩阵x和矩阵y对应位置的元素相除
tf.divide(a, b)
[[2. 2. 2. ]
[1.5 1.5 1.5]]
- tf.matmul(a,
b,
transpose_a=False,
transpose_b=False,
adjoint_a=False,
adjoint_b=False,
a_is_sparse=False,
b_is_sparse=False,
name=None)
矩阵a乘以矩阵b，返回的矩阵行数等矩阵a的行数，列数等于矩阵b的列数
tf.matmul(a, c)
[[12. 12.]
[18. 18.]]
实际上写代码时，为了方便，我们也可以直接使用运算符号：
- 加法：a+b
- 减法：a-b
- 乘法：a*b
- 除法：a/b
注意：若a是一个tensor，b是一个scalar，则对a里面的每个元素，都执行相同操作(+，-，*，/)scalar
