比较与tf.math.add的功能差异

tf.math.add

tf.math.add(x, y, name=None) -> Tensor

更多内容详见tf.math.add。

mindspore.ops.add

mindspore.ops.add(x, y) -> Tensor

更多内容详见mindspore.ops.add。

差异对比

TensorFlow：计算输入x和输入y的元素和，返回一个与x具有相同类型的Tensor。

MindSpore：MindSpore此API实现功能与TensorFlow一致，仅参数名不同。

分类	子类	TensorFlow	MindSpore	差异
参数	参数1	x	x	-
	参数2	y	y	-
	参数3	name	-	不涉及

代码示例1

当x和y输入都为Tensor且数据类型一致时，MindSpore和TensorFlow输出结果一致。

# TensorFlow
import tensorflow as tf
import numpy as np

x = tf.constant(np.array([[1,2]]).astype(np.float32))
y = tf.constant(np.array([[1],[2]]).astype(np.float32))
output = tf.math.add(x, y)
print(output.numpy())
# [[2. 3.]
#  [3. 4.]]

# MindSpore
import mindspore
from mindspore import Tensor
import numpy as np

x = Tensor(np.array([1, 2]).astype(np.float32))
y = Tensor(np.array([[1], [2]]).astype(np.float32))
output = mindspore.ops.add(x, y)
print(output.asnumpy())
# [[2. 3.]
#  [3. 4.]]

代码示例2

TensorFlow支持标量相加，且x和y数据类型必须保持一致，MindSpore 1.8.1版本暂不支持标量相加,，但x和y数据类型可以不同。为了得到相同的结果，将标量转化为Tensor进行计算。

# TensorFlow
import tensorflow as tf
import numpy as np

x = np.array([[1,2]]).astype(np.float32)
y = np.array([[1],[2]]).astype(np.float32)
output = tf.math.add(x, y)
print(output.numpy())
# [[2. 3.]
#  [3. 4.]]

# MindSpore
import mindspore
from mindspore import Tensor
import numpy as np

x = Tensor(np.array([1, 2]).astype(np.int32))
y = Tensor(np.array([[1], [2]]).astype(np.float32))
output = mindspore.ops.add(x, y)
print(output.asnumpy())
# [[2. 3.]
#  [3. 4.]]

代码示例3

TensorFlow的name参数用于定义操作的名称，对计算结果不影响。

# TensorFlow
from unicodedata import name
import tensorflow as tf
import numpy as np

x = tf.constant(np.array([[1,2]]).astype(np.float32))
y = tf.constant(np.array([[1],[2]]).astype(np.float32))
output = tf.math.add(x, y, name="add")
print(output.numpy())
# [[2. 3.]
#  [3. 4.]]

# MindSpore
import mindspore
from mindspore import Tensor
import numpy as np

x = Tensor(np.array([1, 2]).astype(np.float32))
y = Tensor(np.array([[1], [2]]).astype(np.float32))
output = mindspore.ops.add(x, y)
print(output.asnumpy())
# [[2. 3.]
#  [3. 4.]]