Elementwise menghitung XOR bitwise dari `x` dan `y`.
Hasilnya akan mengatur bit-bit tersebut, yang berbeda dalam `x` dan `y`. Perhitungan dilakukan pada representasi dasar `x` dan `y`.
Misalnya:
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
Konstanta
Rangkaian | OP_NAME | Nama operasi ini dikenal dengan mesin inti TensorFlow |
Metode Publik
Keluaran <T> | sebagai Keluaran () Mengembalikan pegangan simbolik tensor. |
statis <T memperluas TNumber > BitwiseXor <T> | |
Keluaran <T> | z () |
Metode Warisan
Konstanta
String akhir statis publik OP_NAME
Nama operasi ini dikenal dengan mesin inti TensorFlow
Metode Publik
Keluaran publik <T> sebagai Keluaran ()
Mengembalikan pegangan simbolik tensor.
Masukan ke operasi TensorFlow adalah keluaran dari operasi TensorFlow lainnya. Metode ini digunakan untuk mendapatkan pegangan simbolis yang mewakili perhitungan input.
public static BitwiseXor <T> buat ( Lingkup lingkup, Operan <T> x, Operan <T> y)
Metode pabrik untuk membuat kelas yang membungkus operasi BitwiseXor baru.
Parameter
cakupan | ruang lingkup saat ini |
---|
Kembali
- contoh baru BitwiseXor