BitwiseXOR для Tensorflow

Если вы не хотите реализовывать свой собственный оператор C ++, попробуйте tf.py_func который позволяет вам определить функцию Python, которая работает на numpy массивов, а затем используется в качестве операции Tensorflow на графике.

Для вашей проблемы вы можете использовать numpybitwise_xor ():

import tensorflow as tf
import numpy as np

t1 = tf.constant([2,4,6], dtype=tf.int64)
t2 = tf.constant([1,3,5], dtype=tf.int64)

t_xor = tf.py_func(np.bitwise_xor, [t1, t2], tf.int64, stateful=False)

with tf.Session() as sess:
val = sess.run(t_xor)
print(val)

который печатает [3,7,3] как и ожидалось.

Пожалуйста, позаботьтесь об известных ограничениях этой функции (взято по ссылке выше):

Нотабене tf.py_func() операция имеет следующие известные ограничения:

• Тело функции (т.е. func) не будет сериализовано в
  GraphDef, Следовательно, вы не должны использовать эту функцию, если вам нужно
  сериализовать вашу модель и восстановить ее в другой среде.
• Операция должна выполняться в том же адресном пространстве, что и программа Python
  что вызывает tf.py_func(), Если вы используете распределенный TensorFlow, вы
  должен запустить tf.train.Server в том же процессе, что и программа,
  звонки tf.py_func() и вы должны прикрепить созданную операцию к устройству
  на этом сервере (например, используя with tf.device():).