tf.equal()

equal(
    x,
    y,
    name=None
)

对输入的 x 和 y 两个 Tensor 逐元素（element-wise）做 (x == y) 逻辑比较，返回 bool 类型的 Tensor。

参数

• x 只支持以下类型：half, float32, float64, uint8, int8, int16, int32, int64, complex64, quint8, qint8, qint32, string, bool, complex128
• y 的类型必须与 x 相同
• name 给这个操作取一个名称，可选

返回

• bool 类型的 Tensor

特性

• 支持 broadcasting，详见 Numpy 文档。

示例

基本用法：x 和 y 拥有相同的 shape

1 2 3 4 5 6

import tensorflow as tf   a = tf.constant([1, 2], tf.int32) b = tf.constant([2, 2], tf.int32) with tf.Session() as sess:     print(sess.run(tf.equal(a, b))) # 输出 [False  True]

broadcasting 用法：x 和 y 不同 shape

1 2 3 4 5

x = tf.constant(["hehe", "haha", "hoho", "kaka"], tf.string) y = tf.constant("hoho", tf.string) with tf.Session() as sess:     print(sess.run(tf.equal(x, y))) # 输出 [False False  True False]

注意观察上面这个栗子，实际解决了在一个数组中查找某个元素索引（index）的问题，这个特性配合 tf.cast 在生成 one-hot 向量时将会特别有用。

1 2 3 4 5 6 7

a = tf.constant([[1], [2]], tf.int32) b = tf.constant([[2, 1]], tf.int32) with tf.Session() as sess:     print(sess.run(tf.equal(a, b))) # 输出 # [[False  True] #  [ True False]]

tf.equal(A, B)是对比这两个矩阵或者向量的相等的元素，如果是相等的那就返回True，反正返回False，返回的值的矩阵维度和A是一样的

import tensorflow as tf
import numpy as np

A = [[1,3,4,5,6]]
B = [[1,3,4,3,2]]

with tf.Session() as sess:
print(sess.run(tf.equal(A, B)))

输出：
[[ True  True  True False False]]
---------------------
作者：UESTC_C2_403
来源：CSDN
原文：https://blog.csdn.net/uestc_c2_403/article/details/72232924
版权声明：本文为博主原创文章，转载请附上博文链接！