pymc.math.and

pymc.math.and_ = Elemwise(scalar_op=AND,inplace_pattern=<frozendict {}>)

按位 a & b

将标量 Op 泛化到张量。

所有输入必须具有相同的维度数量。当执行 Op 时，对于每个维度，每个输入在该维度的大小必须相同。作为一种特殊情况，它也可以是1，但前提是输入的 broadcastable 标志在该维度为 True。在这种情况下，张量在该维度上（实际上）被复制以匹配其他维度的大小。

输出的数据类型与被泛化到张量的标量 Op 的数据类型相同。特别是，如果输出的计算是在输入上就地进行的，那么输出类型必须与相应的输入类型相同（参见 ScalarOp 的文档以获取关于控制输出类型的帮助）

注释

-Elemwise(add): 表示张量上的 + 操作 x + y -Elemwise(add, {0 : 0}): 表示 += 操作 x += y -Elemwise(add, {0 : 1}): 表示在第二个参数上的 += 操作 y += x -Elemwise(mul)(np.random.random((10, 5)), np.random.random((1, 5))): 第二个输入沿着第一个维度扩展以匹配第一个输入 -Elemwise(true_div)(np.random.random(10, 5), np.random.random(10, 1)): 同上，但沿着第二个维度 -Elemwise(int_div)(np.random.random((1, 5)), np.random.random((10, 1))): 输出大小为 (10, 5) -Elemwise(log)(np.random.random((3, 4, 5)))