tensor广播(boardcast)：

为了凑够元素个数，便于后续计算，这里将元素进行复制，达到某一个维度，称之为广播.

1.作用：两个张量相加

tf.math.add(
    x, y, name=None
)

输入：

x是一个张量，其类型需得是：bfloat16, half, float32, float64, uint8, int8, int16, int32, int64, complex64, complex128, string.
y同x一个类型。

输出：

一个张量。

2.例子：

import tensorflow as tf
a = tf.constant([[3, 5], [4, 8])
b = tf.constant([[1, 6], [2, 9]])
c = tf.add(a, b)
sess = tf.Session()
print sess.run(c)
输出：
[[ 4 11]
 [ 6 17]]

如果x和y的维度不一样，则会朝着维度较大的变量， 进行广播，使得二者能够逐元素相加。

import tensorflow as tf
a = tf.constant([[3, 5]]) # 广播为[[3, 5], [3, 5]]
b = tf.constant([[1, 6], [2, 9]])
c = tf.add(a, b)
sess = tf.Session()
print sess.run(c)
输出：
[[ 4 11]
 [ 5 14]]

import tensorflow as tf
a = tf.constant([[3], [5]]) # 广播为[[3, 3], [5, 5]]
b = tf.constant([[1, 6], [2, 9]])
c = tf.add(a, b)
sess = tf.Session()
print sess.run(c)
输出：
[[ 4  9]     【3+1，3+9】
 [ 7 14]]    【5+2，5+9】

3.多个tensor相加——不支持广播

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

输入：

inputs：一个tensor list，具有相同维度和类型。注意：这里的维度需要相同，没有广播tensor的操作了。

例子：

import tensorflow as tf
a = tf.constant([[3, 1], [5, 1]]) 
b = tf.constant([[1, 6], [2, 9]])
c = tf.add_n([a, b, a])
sess = tf.Session()
print sess.run(c)
输出：
[[ 7  8]
 [12 11]]