tensor加法广播机制

在TensorFlow中，张量加法使用广播机制，允许在不同形状的张量之间执行元素级别的加法操作。广播机制会自动扩展较小的张量的维度，以匹配较大张量的形状，从而使它们可以进行逐元素的加法运算。以下是一个示例代码，演示了张量加法的广播机制：

import tensorflow as tf

# 创建两个不同形状的张量
tensor1 = tf.constant([[1, 2, 3],
                       [4, 5, 6]])

tensor2 = tf.constant([10, 20, 30])

# 执行张量加法操作
result = tensor1 + tensor2

# 创建会话并运行计算图
with tf.Session() as sess:
    output = sess.run(result)
    print(output)

在上面的示例中，我们创建了两个不同形状的张量`tensor1`和`tensor2`。`tensor1`是一个2x3的矩阵，`tensor2`是一个长度为3的向量。执行`tensor1 + tensor2`时，TensorFlow会自动将`tensor2`沿着第一个维度进行扩展，使其形状与`tensor1`相匹配。然后，逐元素地执行加法运算。最后，我们使用会话来运行计算图，并打印输出结果。

在广播机制中，较小维度的张量会被扩展以匹配较大维度的张量。如果两个张量的维度数不同，TensorFlow会尝试在较小的张量维度前面添加尺寸为1的维度，以使维度数相同。然后，它会将尺寸为1的维度扩展为与较大维度相同的大小，从而实现逐元素的加法操作。