Python Tensorflow bitwise.bitwise\_xor() 方法

Tensorflow bitwise.bitwise\_xor() 方法执行 bitwise\_xor 操作，其结果将设置那些在a和b中不同的位。

语法:
tf.bitwise.bitwise_xor(a, b, name=None)

参数

• a:这必须是一个张量。它应该是以下类型之一：int8, int16, int32, int64, uint8, uint16, uint32, uint64。
• b:这也应该是一个张量，类型与a相同。
• name: 这是一个可选的参数，这是操作的名称。

返回：
它返回一个与a和b具有相同类型的张量。

让我们借助几个例子来看看这个概念。

示例 1:

# Importing the Tensorflow library 
import tensorflow as tf 

# A constant a and b 
a = tf.constant(43, dtype = tf.int32) 
b = tf.constant(5, dtype = tf.int32) 

# Applying the bitwise_xor function 
# storing the result in 'c' 
c = tf.bitwise.bitwise_xor(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)
    print(sess.run(c))

输出:

Input 1 Tensor("Const_36:0", shape=(), dtype=int32)
43
Input 2 Tensor("Const_37:0", shape=(), dtype=int32)
5
Output: Tensor("BitwiseXor_4:0", shape=(), dtype=int32)
46

示例 2:

# Importing the Tensorflow library 
import tensorflow as tf 

# A constant vector of size 2 
a = tf.constant([10, 6], dtype = tf.int32) 
b = tf.constant([12, 5], dtype = tf.int32) 

# Applying the bitwise_xor function 
# storing the result in 'c' 
c = tf.bitwise.bitwise_xor(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)
    print(sess.run(c))

输出:

Input 1 Tensor("Const_34:0", shape=(2, ), dtype=int32)
[10 6]
Input 2 Tensor("Const_35:0", shape=(2, ), dtype=int32)
[12 5]
Output: Tensor("BitwiseXor_3:0", shape=(2, ), dtype=int32)
[6 3]