Prueba esto:

 def tf_diff_axis_0(a): return a[1:]-a[:-1] def tf_diff_axis_1(a): return a[:,1:]-a[:,:-1]

Verificar:

 import numpy as np import tensorflow as tf x0=np.arange(5)+np.zeros((5,5)) sess = tf.Session() np.diff(x0, axis=0) == sess.run(tf_diff_axis_0(tf.constant(x0))) np.diff(x0, axis=1) == sess.run(tf_diff_axis_1(tf.constant(x0)))

No creo que TensorFlow tenga un equivalente a numpy.diff, por lo que tendrá que implementarlo, lo que no debería ser difícil ya que numpy.diff simplemente corta y resta:

 def diff(a, n=1, axis=-1): '''(as implemented in NumPy v1.12.0)''' if n == 0: return a if n < 0: raise ValueError( "order must be non-negative but got " + repr(n)) a = asanyarray(a) nd = len(a.shape) slice1 = [slice(None)]*nd slice2 = [slice(None)]*nd slice1[axis] = slice(1, None) slice2[axis] = slice(None, -1) slice1 = tuple(slice1) slice2 = tuple(slice2) if n > 1: return diff(a[slice1]-a[slice2], n-1, axis=axis) else: return a[slice1]-a[slice2]

A partir de Tensorflow 2.4, puede usar tf.experimental.numpy.diff .

Tenga en cuenta que hay argumentos no admitidos: prepend y append .