図1に示すように、従来の算術演算
（1）操作の同じタイプではないではありません
1 A = tf.fill（[2,2＆]、2） ＃作成=のInt32はDTYPEある 2 プリント（A） 。3 。4 B = tf.ones（[2,2＆]）＃は=のfloat32がDTYPEで作成 。5 プリント（B） 。6 。7 プリント（A + B）
できない入力として計算AddV2＃1（ゼロベースの）INT32テンソルであることが予想されたが、フロートテンソルである[OP：AddV2]名：アド/
（2）コンピューティングの同じタイプ
A = tf.fill（[2,2]、2 ） 印刷（" ：\ n " 、） B = tf.ones（[2,2 ]） 、印刷（" B：\ n " 、B） プリント（" +のB：\ n "、+のB） プリント（" AB：\ n "、AB ） プリント（" * B：\ n "、* B） プリント（" / B：\ N "、/ B）
出力：
A： tf.Tensor（ [ 2.2 。] [ 2.]、形状=（2,2）、DTYPE = のfloat32） B： tf.Tensor（ [ 1 1 ] [ 1 1]、形状=（2,2）、DTYPE = のfloat32） + B： tf.Tensor（ [ 3.3 。] [ 3. 3.]、形状=（2,2）、DTYPE = のfloat32） - B： tf.Tensor（ [ 1 1 ] [ 1 1]、形状=（2,2）、DTYPE = のfloat32） * B： tf.Tensor（ [ 2.2 。] [ 2.]、形状=（2,2）、DTYPE = のfloat32） / B： tf.Tensor（ [ 2.2 。] [ 2.]、形状=（2,2）、DTYPE =のfloat32）
2、tf.math.logとtf.exp
ベースEにのみ対数、分割数が数式を使用することができる他の塩基-TFを計算するために、ログA Bを=ログのE B /ログのE Aを
1 A = tf.ones（[2,2 ]） 2 ＃B1 = tf.log（）＃はAttributeError：モジュール'tensorflow'には属性'ログ'がありません 3 B1 = tf.math.log（） 4 印刷（ B1） 5 6 B2 = tf.exp（） ＃の電子的次方 7 プリント（B2）
出力：
tf.Tensor（ [[0。0] [0。0]、形状 =（2,2）、DTYPE = のfloat32）
tf.Tensor（ [ 2.7182817 2.7182817 ] [ 2.7182817 2.7182817]、形状=（2,2）、DTYPE =のfloat32）
3、POW、SQRT
1 B = tf.fill（[2,2＆]、2） ＃問題がSQRT発生した場合、フロートを計算する必要がない場合は 2 プリント（B） 。3 。4 B1 = tf.pow（B ,. 3） 位B 3電源 。5 プリント（B1） 。6 。7 B2 3 ** = B ＃Bキューブ 8 プリント（B2） 。9 10 B3 = tf.sqrt（B） ＃処方B、すなわちB乗0.5 11 印刷（B3）
出力：
tf.Tensor（ [ 2.2 。] [ 2.]、形状=（2,2）、DTYPE = のfloat32）
tf.Tensor（ [ 8. 8 ] [ 8. 8.]、形状=（2,2）、DTYPE = のfloat32）
tf.Tensor（ [ 8. 8 ] [ 8. 8.]、形状=（2,2）、DTYPE = のfloat32）
tf.Tensor（ [ 1.4142135 1.4142135 ] [ 1.4142135 1.4142135]、形状=（2,2）、DTYPE =のfloat32）