Python 为什么Tensorflow不覆盖张量的等式？

Tensorflow覆盖了Tensor类等的多个运算符

但是，

\uuu eq\uu

的实现：

ops.Tensor.\u override\u运算符（“\u lt\u”，gen\u math\u ops.less）
运算张量，运算量，运算量，运算量，运算量，运算量，运算量
运算张量覆盖运算器（“uu gt_uuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuu
运算张量，运算量，运算量，运算量，运算量，运算量，运算量，运算量，运算量，运算量，运算量

为什么tensorflow的张量的

==

与numpy数组的行为方式不同

代码示例：

a = tf.constant([1,2])
b = tf.constant([3,4])
a == b
>>> False
a < b
>>> <tf.Tensor 'Less:0' shape=(2,) dtype=bool>

张量确实实现了

\uuuuueq\uuuuu

，但是。我发现，这解释了为什么张量测试身份，而不广播：

这可能是一个复杂的事实，即张量可以用作字典中的键，我相信它使用

=

来查找具有相同哈希的匹配对象

评论者是正确的；如果

\uuuu eq\uuuu

被重载为广播，则不能将张量用作字典中的键。定义

\uuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuu；见：

唯一需要的属性是比较相等的对象具有相同的哈希值

但广播将为具有不同散列值的对象生成“真”张量对象

（关于
\uuuu eq\uuuu
会破坏布尔测试的推测是错误的；布尔测试使用的是张量，张量确实实现了这一点）

如果您需要对张量进行元素相等性测试，可以使用and函数。
您是否认为
\uuuuu eq\uuuu
不是仅在这些行上定义的？因为我看到，例如，
将tensorflow导入为tf
，然后vars（tf.Tensor）

中的

\uuueq\uuuuuuuuuuuuuuuuu>生成
True
，因此它定义了钩子。它是定义的。@MartijnPieters不，我的观察是基于我的代码，没有做我期望它做的事情。这些链接是经过一些挖掘后产生的。另外，我知道张量相等的定义。但是，它不符合
numpy
阵列。我希望添加的代码澄清了这个问题。为什么在测试相等性时要广播张量？该项目明确决定改为测试身份；我发现了一个github问题，这就解释了为什么。@musicaly\u ut:嗯，
\u eq\u
被明确定义为身份测试。哇！在
提要中使用张量作为键的设计决策导致
\uuuu eq\uuuuu
的定义方式与
tf.张量的
numpy
的定义方式不同！看起来不是这么直截了当的。例如，tf.constant（[0]）==tf.constant（[0]）是至少在tf2中包含[True]的tf.Tensor。看起来执行力很强
a = np.asarray([1,2])
b = np.asarray([3, 4])
a == b
>>> array([False, False], dtype=bool)