Elementwise calcule le XOR au niveau du bit de « x » et « y ».
Le résultat aura ces bits définis, qui sont différents en « x » et « y ». Le calcul est effectué sur les représentations sous-jacentes de « x » et « y ».
Par exemple:
import tensorflow as tf
from tensorflow.python.ops import bitwise_ops
dtype_list = [tf.int8, tf.int16, tf.int32, tf.int64,
tf.uint8, tf.uint16, tf.uint32, tf.uint64]
for dtype in dtype_list:
lhs = tf.constant([0, 5, 3, 14], dtype=dtype)
rhs = tf.constant([5, 0, 7, 11], dtype=dtype)
exp = tf.constant([5, 5, 4, 5], dtype=tf.float32)
res = bitwise_ops.bitwise_xor(lhs, rhs)
tf.assert_equal(tf.cast(res, tf.float32), exp) # TRUE
Constantes
Chaîne | OP_NAME | Le nom de cette opération, tel que connu par le moteur principal TensorFlow |
Méthodes publiques
Sortie <T> | comme Sortie () Renvoie le handle symbolique du tenseur. |
statique <T étend TNumber > BitwiseXor <T> | |
Sortie <T> | z () |
Méthodes héritées
Constantes
chaîne finale statique publique OP_NAME
Le nom de cette opération, tel que connu par le moteur principal TensorFlow
Méthodes publiques
sortie publique <T> asOutput ()
Renvoie le handle symbolique du tenseur.
Les entrées des opérations TensorFlow sont les sorties d'une autre opération TensorFlow. Cette méthode est utilisée pour obtenir un handle symbolique qui représente le calcul de l’entrée.
public static BitwiseXor <T> create ( Scope scope, Operand <T> x, Operand <T> y)
Méthode d'usine pour créer une classe encapsulant une nouvelle opération BitwiseXor.
Paramètres
portée | portée actuelle |
---|
Retours
- une nouvelle instance de BitwiseXor