Python: método Tensorflow math.add_n()

El método Tensorflow math.add_n()agrega todos los tensores pasados ​​por elemento. La operación se realiza sobre la representación de a y b.
Este método pertenece al módulo de matemáticas.

Sintaxis:tf.math.add_n(inputs, name=None)

Argumentos

• entradas: especifica una lista de objetos tf.Tensor o tf.IndexedSlices, y la forma y el tipo de cada uno debe ser el mismo. Objetos tf.IndexedSlices convertidos automáticamente en tensores densos antes de aplicar el método.
• nombre: Este es un parámetro opcional y este es el nombre de la operación.

Retorno: Devuelve un Tensor que tiene la misma forma y tipo que los elementos de las entradas pasadas.

Nota: este método realiza la misma operación que tf.math.accumulate_n, pero este método espera a que las entradas estén listas antes de comenzar a sumar. Por lo tanto, este almacenamiento en búfer da como resultado un mayor consumo de memoria cuando las entradas pueden no estar listas al mismo tiempo.

Veamos este concepto con la ayuda de algunos ejemplos:
Ejemplo 1:

# Importing the Tensorflow library 
import tensorflow as tf 
  
# A constant a and b
a = tf.constant([[1, 3], [2, 8]])
b = tf.constant([[2, 1], [6, 7]])  
  
# Applying the math.add_n() function 
# storing the result in 'c' 
c = tf.math.add_n([a, b])
  
# Initiating a Tensorflow session 
with tf.Session() as sess:
    print("Input 1", a)
    print(sess.run(a))
    print("Input 2", b)
    print(sess.run(b))
    print("Output: ", c)

Producción:

Input 1 Tensor("Const_99:0", shape=(2, 2), dtype=int32)
[[1 3]
 [2 8]]
Input 2 Tensor("Const_100:0", shape=(2, 2), dtype=int32)
[[2 1]
 [6 7]]
Output:  Tensor("AddN:0", shape=(2, 2), dtype=int32)
[[ 3  4]
 [ 8 15]]

Ejemplo 2:

# Importing the Tensorflow library 
import tensorflow as tf 
  
# A constant a and b
a = tf.constant([[1, 1], [2, 6]])
b = tf.constant([[5, 1], [8, 7]])  
  
# Applying the math.add_n() function 
# storing the result in 'c' 
c = tf.math.add_n([a, b], name = "Add_N")
  
# Initiating a Tensorflow session 
with tf.Session() as sess:
    print("Input 1", a)
    print(sess.run(a))
    print("Input 2", b)
    print(sess.run(b))
    print("Output: ", c)
    print(sess.run(c))

Producción:

Input 1 Tensor("Const_101:0", shape=(2, 2), dtype=int32)
[[1 1]
 [2 6]]
Input 2 Tensor("Const_102:0", shape=(2, 2), dtype=int32)
[[5 1]
 [8 7]]
Output:  Tensor("Add_N:0", shape=(2, 2), dtype=int32)
[[ 6  2]
 [10 13]]