比较与tf.nn.bias_add的差异

tf.nn.bias_add

class tf.nn.bias_add(value, bias, data_format=None, name=None)

更多内容详见tf.nn.bias_add。

mindspore.ops.bias_add

mindspore.ops.bias_add(input_x, bias)

更多内容详见mindspore.ops.bias_add。

差异对比

TensorFlow：返回输入value和bias的tensor相加之和，其中bias被限制为1D的tensor，value支持各种数量的维度，两者相加前会把bias广播成与输入value的shape一致。

MindSpore：MindSpore此API实现功能与TensorFlow基本一致，不过MindSpore的输入input_x只支持2-5维的shape。

分类	子类	TensorFlow	MindSpore	差异
参数	参数1	value	input_x	功能一致，参数名不同
	参数2	bias	bias	功能一致
	参数3	data_format	-	输入数据的数据格式，MindSpore无此参数
	参数4	name	-	不涉及

代码示例1

两API实现功能一致，用法相同。

# TensorFlow
import tensorflow as tf

tf.compat.v1.disable_eager_execution()
value = tf.constant([[1, 2], [3, 4], [5, 6]], dtype=tf.float32)
bias = tf.constant([-2, -1], dtype=tf.float32)
result = tf.nn.bias_add(value, bias)
ss = tf.compat.v1.Session()
output = ss.run(result)
print(output)
# [[-1.  1.]
#  [ 1.  3.]
#  [ 3.  5.]]

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

input_x = Tensor(np.array([[1, 2], [3, 4], [5, 6]]), mindspore.float32)
bias = Tensor(np.array([-2 , -1]), mindspore.float32)
output = ops.bias_add(input_x, bias)
print(output)
# [[-1.  1.]
#  [ 1.  3.]
#  [ 3.  5.]]