比较与tf.compat.v1.assign_sub的差异

tf.compat.v1.assign_sub

tf.compat.v1.assign_sub(ref, value, use_locking=None, name=None) -> Tensor

更多内容详见tf.compat.v1.assign_sub。

mindspore.ops.assign_sub

mindspore.ops.assign_sub(variable, value)-> Tensor

更多内容详见mindspore.ops.assign_sub。

差异对比

TensorFlow：从网络参数减去特定数值来更新网络参数，返回一个与ref具有相同类型的Tensor。

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

分类	子类	TensorFlow	MindSpore	差异
参数	参数1	ref	variable	功能一致，参数名不同
	参数2	value	value	-
	参数3	use_locking	-	TensorFlow中为是否在更新操作中使用锁，默认值：False。MindSpore无此参数
	参数4	name	-	不涉及

代码示例1

MindSpore和TensorFlow输出结果一致。

# TensorFlow
import tensorflow as tf
import numpy as np

variable = tf.Variable(np.array([[2.4, 1], [0.1, 6]]), dtype=tf.float32)
value = tf.constant(np.array([[-2, 3], [3.6, 1]]), dtype=tf.float32)
out = tf.compat.v1.assign_sub(variable, value)
print(out.numpy())
# [[ 4.4 -2. ]
#  [-3.5  5. ]]

# MindSpore
import mindspore
import numpy as np
from mindspore.ops import function as ops
from mindspore import Tensor

variable = Tensor(np.array([[2.4, 1], [0.1, 6]]), mindspore.float32)
value = Tensor(np.array([[-2, 3], [3.6, 1]]), mindspore.float32)
out = ops.assign_sub(variable, value)
print(out)
# [[ 4.4 -2. ]
#  [-3.5  5. ]]