两者有什么区别`tf.乘法`还有`*`？

Question

在import tensorflow.kera.backend as K之后

在tf.multiply和*之间有什么区别？

同样地，K.pow(x, -1)和1/x之间的区别是什么？？

我基于其他人的代码编写了定制度量函数的以下代码。你知道吗

def dice_coef_weight_sub(y_true, y_pred):
    """
    Returns the product of dice coefficient for each class
    """
    y_true_f = (Lambda(lambda y_true: y_true[:, :, :, :, 0:])(y_true))
    y_pred_f = (Lambda(lambda y_pred: y_pred[:, :, :, :, 0:])(y_pred))

    product = tf.multiply([y_true_f, y_pred_f]) # multiply should be import from tf or tf.math

    red_y_true = K.sum(y_true_f, axis=[0, 1, 2, 3]) # shape [None, nb_class]
    red_y_pred = K.sum(y_pred_f, axis=[0, 1, 2, 3])
    red_product = K.sum(product, axis=[0, 1, 2, 3])

    smooth = 0.001
    dices = (2. * red_product + smooth) / (red_y_true + red_y_pred + smooth)

    ratio = red_y_true / (K.sum(red_y_true) + smooth)
    ratio = 1.0 - ratio
    # ratio =  K.pow(ratio + smooth, -1.0) # different method to get ratio

    return K.sum(multiply([dices, ratio]))

在代码中，我可以用*替换tf.multiply吗？我能用1/x替换K.pow(x,-1)吗？？你知道吗

（从tensorflow的文档中，我知道tf.pow和K.pow之间的区别：tf.pow(x,y)接收2个张量来计算^}和y中相应元素的x^y，而K.pow(x,a)接收张量x和整数a来计算x^a。但我不知道为什么在上面的代码中K.pow接收浮点数1.0它仍然有效）

Answer 1

假设*的两个操作数都是tf.Tensor且不是tf.sparse.SparseTensor，则*运算符与tf.multiply运算符相同，即支持广播的元素乘法。你知道吗

如果您对研究执行运算符重载的源代码感兴趣，关键部分包括：

1. https://github.com/tensorflow/tensorflow/blob/master/tensorflow/python/ops/math_ops.py#L891
2. https://github.com/tensorflow/tensorflow/blob/master/tensorflow/python/ops/math_ops.py#L1225
3. https://github.com/tensorflow/tensorflow/blob/master/tensorflow/python/ops/math_ops.py#L1201

对于tf.sparse.SparseTensors，*重载稀疏张量特定的乘法运算。你知道吗

假设您使用的是Python3，/运算符重载为tf.math.truediv（即，浮点除法，它对应于TensorFlow的RealDiv运算）。你知道吗

在Python2中，/操作符可能正在执行整数除法，在这种情况下，它以依赖于数据类型的方式重载。{对于整型，它是浮动的。你知道吗

tf.pow()使用不同的运算符（即Pow）运算符。但是假设所有的数据类型都是浮点型，1 / x和tf.pow(x, -1.0)应该是等价的。你知道吗