【B-03】Tensorflow tf.multiply函数与tf.matmul函数用法和区别

在tensorflow中高频率的用到这两个函数，整理一下各自的用法和区别：

---

tensorflow.multiply(x, y, name=None)
参数:
x:  类型为:half, float32, float64, uint8, int8, uint16, int16, int32, int64, complex64, complex128的张量。
y:  类型跟张量x相同的张量。
name:  操作的名字（可选参数）
返回值(元素级别的相乘)：  x * y element-wise
注意：
（1）multiply这个函数实现的是元素级别的相乘，也就是两个相乘的数元素各自相乘，而不是矩阵乘法，注意和tf.matmul区别。
（2）两个相乘的数必须有相同的数据类型，否则就会报错

tf.matmul(a, b, transpose_a=False, transpose_b=Falsint_a=False, adjoint_b=False, a_is_sparse=False, b_is_sparse=False, name=None) )
参数:
a:  类型为 float16, float32, float64, int32, complex64, complex128 且张量秩 > 1 的张量。
b:  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