tf.matmul() 和tf.multiply() 的区别

1.tf.multiply（）两个矩阵中对应元素各自相乘

格式: tf.multiply(x, y, name=None)
参数:
x: 一个类型为:half, float32, float64, uint8, int8, uint16, int16, int32, int64, complex64, complex128的张量。
y: 一个类型跟张量x相同的张量。
返回值： x * y element-wise.
注意：
（1）multiply这个函数实现的是元素级别的相乘，也就是两个矩阵中对应位置元素相乘再相加.
（2）两个相乘的数必须有相同的数据类型，不然就会报错。

2.tf.matmul（）将矩阵a乘以矩阵b，生成a * b。

格式:
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)

参数:

• a: 一个类型为 float16, float32, float64, int32, complex64, complex128 且张量秩 > 1 的张量。
• b: 一个类型跟张量a相同的张量。
• transpose_a: 如果为真, a则在进行乘法计算前进行转置。
• transpose_b: 如果为真, b则在进行乘法计算前进行转置。
• adjoint_a: 如果为真, a则在进行乘法计算前进行共轭和转置。
• adjoint_b: 如果为真, b则在进行乘法计算前进行共轭和转置。
• a_is_sparse: 如果为真, a会被处理为稀疏矩阵。
• b_is_sparse: 如果为真, b会被处理为稀疏矩阵。
• name: 操作的名字（可选参数）
• 返回值： 一个跟张量a和张量b类型一样的张量且最内部矩阵是a和b中的相应矩阵的乘积。

注意：
（1）输入必须是矩阵（或者是张量秩 >２的张量，表示成批的矩阵），并且其在转置之后有相匹配的矩阵尺寸。
（2）两个矩阵必须都是同样的类型，支持的类型如下：float16, float32, float64, int32, complex64, complex128。

引发错误:
ValueError: 如果transpose_a 和 adjoint_a, 或 transpose_b 和 adjoint_b 都被设置为真,此时会出现错误.

程序示例：

运行结果：

值得注意的是:这里并没有用到sess.run(tf.global_variables_initializer()).想了解关于tf.global_variables_initializer()的具体内容的.
移步下面链接~
什么时候应该用tf.global_variables_intializer()?