tensorflow add操作的一个现象

本文探讨了在TensorFlow中进行add操作时出现的一种特定现象。通过实例展示了如何得到[[3. 3. 3.]]和[[3. 3. 3.] [4. 4. 4.]]的结果,揭示了TensorFlow张量加法的内部工作原理。
摘要由CSDN通过智能技术生成
a = tf.placeholder("float", [None, 3])
b = tf.placeholder("float", [3])
c = tf.add(a,b)
with tf.Session() as sess:
  print sess.run(c, feed_dict={a: [[1,1,1]], b: [2, 2, 2]})
  print sess.run(c, feed_dict={a: [[1,1,1],[2,2,2]],b:[2,2,2]})

结果
[[ 3. 3. 3.]]
[[ 3. 3. 3.]
[ 4. 4. 4.]]

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

FocusOneThread

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值