tensorflow.math.multiply和tensorflow.keras.layers.multiply有什么区别？
类似地，tensorflow.math.add和tensorflow.keras.layers.add有什么区别？
我有这个问题的原因是，当我构建自己的自定义损失函数和指标product = multiply([y_true_f, y_pred_f])时，如果使用from tensorflow.keras.layers import multiply，则会发生错误：
tensorflow.python.framework.errors_impl.InvalidArgumentError：您必须用dtype float和占位符张量'main_target'的值形状[？，？，？]
但是如果我使用from tensorflow.math import multiply，它将正常工作。
我想知道为什么。谢谢。（我使用tensorflow 1.15，ubuntu18）
tensorflow.keras.layers中的所有类都是Keras层，这意味着它们将由其他层（在功能性API中）产生的Keras张量作为输入，或者可以安排它们使用顺序API来创建顺序模型。
tensorflow.math中的其他张量流函数旨在在张量流（不是keras）张量中运行。对于自定义损失，输入和输出为张量流张量，因此应使用张量流函数而不是Keras层。
[Keras层操作在您要执行作为神经网络体系结构一部分的操作时使用，例如add层用于在ResNet体系结构中实现残留连接。