tensorflow中的数值运算注意事项

tensorflow中张量，变量，常量进行数值运算都可用符号“+ - * /”，为方便起见，tensorflow中提供了方法。
如:
加法
add = tf.add(a, b)
减法
sub = tf.subtract(a, b)
乘法
mul = tf.multiply(a, b)
除法
div = tf.divide(a, b)
包括矩阵、向量的运算

以上是严格按照数学的计算形式，进行计算。

在tensorflow中定义的一维向量（如tf.get_variable(“b”,shape=[3],initializer=tf.constant_initializer(0.1))，结果为：[0.1 0.1 0.1]）是行向量形状shape（n，），这里的n代表了行向量中有n个数据，并不是说有n行。

同样是行向量，在数学概念中是一维的，但是在tensorflow中形状shape（1，n），代表二维数据。
如在tensorflow中应该这样定义tf.get_variable(“b”,shape=[1，3],initializer=tf.constant_initializer([0.1,0.1,0.1])),结果为：[[0.1 0.1 0.1]],形状shape（1，3）

以上两种定义形式的不同，导致在数学运算中的截然不同，同样也会导致在tensorflow运行时出错，原本输入参数是要一维的，但是我们定义了一个二维的行向量，导致程序出错。