嘿，我太懂你碰到的这个问题了！这根本不是TensorFlow在“莫名加256”，而是uint8类型的特性搞的鬼——uint8是无符号8位整数，只能存储0到255之间的数值，当计算结果为负数时，它会自动通过“加256”的方式绕回到有效范围内，比如0 - 2在uint8里会变成254，这就是你看到那些奇怪正数的原因。

举个简单的例子：如果img里某个像素值是200，img2对应的是192（因为200//64*64=192），那img2 - img本来是-8，但uint8会把它转成256 - 8 = 248，这就是你输出里那些看起来不对劲的数值来源。

要实现“相减后用ReLU把负值转成0”的需求，你只需要先把张量转换成有符号的数值类型（比如float32、int32），再进行运算就可以了，具体修改后的代码如下：

import tensorflow as tf
import matplotlib.image as mpimg

# 读取图片
img = mpimg.imread('/home/moumenshobaky/tensorflow_files/virtualenv/archive/training/Dessert/82 7.jpg')
# 将uint8转换为float32，避免溢出问题
img_float = tf.cast(img, dtype=tf.float32)
# 基于浮点型计算img2
img2_float = tf.math.floordiv(img_float, 64) * 64
# 正常执行相减，负数可以被正确存储
img3_float = img2_float - img_float

# 应用ReLU函数，把所有负值转为0
img3_relu = tf.nn.relu(img3_float)

# 查看结果
from tensorflow.keras.layers import Flatten
flatten = Flatten(dtype='float32')
print(flatten(img2_float))
print(img3_relu)

如果之后需要把结果转回uint8格式，记得先把数值裁剪到0-255的范围内，再转换类型，避免再次出现溢出：

# 裁剪到0-255，再转回uint8
img3_uint8 = tf.cast(tf.clip_by_value(img3_relu, 0, 255), dtype=tf.uint8)

内容的提问来源于stack exchange，提问作者moumenShobakey