`tf.multiply` 和 `*` 有什么區別？

Question

import tensorflow.kera.backend as K

tf.multiply和*什么區別？

同樣， K.pow(x, -1)和1/x什么區別？？

我根據其他人的代碼編寫了以下自定義指標函數的代碼。

def dice_coef_weight_sub(y_true, y_pred):
    """
    Returns the product of dice coefficient for each class
    """
    y_true_f = (Lambda(lambda y_true: y_true[:, :, :, :, 0:])(y_true))
    y_pred_f = (Lambda(lambda y_pred: y_pred[:, :, :, :, 0:])(y_pred))

    product = tf.multiply([y_true_f, y_pred_f]) # multiply should be import from tf or tf.math

    red_y_true = K.sum(y_true_f, axis=[0, 1, 2, 3]) # shape [None, nb_class]
    red_y_pred = K.sum(y_pred_f, axis=[0, 1, 2, 3])
    red_product = K.sum(product, axis=[0, 1, 2, 3])

    smooth = 0.001
    dices = (2. * red_product + smooth) / (red_y_true + red_y_pred + smooth)

    ratio = red_y_true / (K.sum(red_y_true) + smooth)
    ratio = 1.0 - ratio
    # ratio =  K.pow(ratio + smooth, -1.0) # different method to get ratio

    return K.sum(multiply([dices, ratio]))

在代碼中，我可以用*替換tf.multiply嗎？ 我可以用1/x替換K.pow(x,-1)嗎？？

（從tensorflow的文檔，我知道之間的差tf.pow和K.pow ： tf.pow(x,y)接收2張量將計算的x ^ y表示相應的元素x和y ，而K.pow(x,a)接收一個張量x和一個整數a來計算 x^a。但我不知道為什么在上面的代碼中K.pow收到一個浮點數 1.0 並且它仍然正常工作）

Answer 1

假設*的兩個操作數都是tf.Tensor s 而不是tf.sparse.SparseTensor s ， *運算符與tf.multiply相同，即具有廣播支持的元素乘法。

如果您有興趣研究執行運算符重載的源代碼，關鍵部分是：

1. https://github.com/tensorflow/tensorflow/blob/master/tensorflow/python/ops/math_ops.py#L891
2. https://github.com/tensorflow/tensorflow/blob/master/tensorflow/python/ops/math_ops.py#L1225
3. https://github.com/tensorflow/tensorflow/blob/master/tensorflow/python/ops/math_ops.py#L1201

對於tf.sparse.SparseTensor s， *被稀疏張量特定的乘法操作重載。

假設您使用的是 Python3， /運算符重載到tf.math.truediv （即浮點除法，對應於 TensorFlow 的RealDiv運算）。

在 Python2 中， /運算符可能正在執行整數除法，在這種情況下，它以依賴於 dtype 的方式重載。 對於浮動數據類型，它是tf.math.truediv ，對於整數數據類型，它是tf.math.floordiv （整數除法）。

tf.pow()使用不同的運算符（即Pow ）運算符。 但假設你所有的 dtypes 都是浮點型， 1 / x和tf.pow(x, -1.0)應該是等價的。