如果
x或中的至少一个
y是
tf.Tensor对象，则表达式
tf.add(x,y)和
x +y是等效的。您可能使用的主要原因
tf.add()是
name为创建的op指定一个显式的关键字参数，这对于重载的运算符版本是不可能的。
请注意，如果
x也不
y是（
tf.Tensor例如，如果它们是NumPy数组），那么
x + y将不会创建TensorFlow
op。
tf.add()总是创建一个TensorFlow
op并将其参数转换为
tf.Tensor对象。因此，如果编写的库函数可能同时接受张量和NumPy数组，则您可能更喜欢使用
tf.add()。
TensorFlow Python API中的以下运算符已重载：
__neg__
（一元-
）__abs__
（abs()
）__invert__
（一元~
）__add__
（二进制+
）__sub__
（二进制-
）__mul__
（二进制元素*
）__div__
（/
Python 2中的二进制）__floordiv__
（//
Python 3中的二进制）__truediv__
（/
Python 3中的二进制）__mod__
（二进制%
）__pow__
（二进制**
）__and__
（二进制&
）__or__
（二进制|
）__xor__
（二进制^
）__lt__
（二进制<
）__le__
（二进制<=
）__gt__
（二进制>
）__ge__
（二进制>=
）
请注意，
__eq__（binary
==） 没有 过载。
x ==y将简单地返回一个Python布尔值是否
x和
y引用相同的张量。您需要
tf.equal()显式使用以检查元素方式的相等性。不相等
__ne__（二进制
!=）也是如此。
