一、加减乘除

加减乘除是最基本的数学运算，分别通过tf.add, tf.subtract, tf.multiply, tf.divide 函数实现，TensorFlow 已经重载了+ −∗/运算符，一般推荐直接使用运算符来完成加减乘除运算。

整除和余除也是常见的运算之一，分别通过//和%运算符实现。
我们来演示整除运算：

二、乘方

特别地，对于常见的平方和平方根运算，可以使用tf.square(x)和tf.sqrt(x)实现
平方运算实现如下：

三、指数、对数

通过 tf.pow(a, x)或者**运算符可以方便实现指数运算𝑎𝑥

特别地，对于自然指数𝑒𝑥,可以通过tf.exp(x)实现

四、矩阵相乘

神经网络中间包含了大量的矩阵相乘运算，前面我们已经介绍了通过@运算符可以方
便的实现矩阵相乘，还可以通过tf.matmul(a, b)实现。
需要注意的是，TensorFlow 中的矩阵相乘可以使用批量方式，也就是张量a,b 的维度数可以大于2。当张量a,b 维度数大于2时，TensorFlow 会选择a,b 的最后两个维度进行矩阵相乘，前面所有的维度都视作Batch 维度。

根据矩阵相乘的定义，a 和 b 能够矩阵相乘的条件是，a 的倒数第一个维度长度(列)和
b 的倒数第二个维度长度(行)必须相等。
比如张量a-shape:[4,3,28,32]可以与张量b-shape:[4,3,32,2]进行矩阵相乘

矩阵相乘函数也支持 Broadcasting 机制：