Tensorflow函数不改变属性的属性

Question

Tf函数不改变对象的属性

class f:
    v = 7
    def __call__(self):
        self.v = self.v + 1

@tf.function
def call(c):
    tf.print(c.v)  # always 7
    c()
    tf.print(c.v)  # always 8

c = f()
call(c)
call(c)

预期印刷量:7 8 8 9

但相反:7 8 7 8

当我移除@tf.function装饰器时，所有功能都如预期的那样工作。如何使我的函数在@tf.function中按预期工作

Answer 1

此行为已记录为这里。

副作用，如打印，附加到列表，和变异的全局，可以在一个函数中意外地行为，有时执行两次或不是全部。它们只在第一次使用一组输入调用函数时发生。之后，将重新执行跟踪的tf.Graph，而不执行Python的一般经验规则是避免在逻辑中依赖于code.The的副作用，而只使用它们来调试跟踪。否则，TensorFlow API(如tf.data、tf.print、tf.summary、tf.Variable.assign和tf.TensorArray )是确保代码在每次调用时由TensorFlow运行时执行的最佳方法。

因此，可以尝试使用tf.Variable查看预期的更改：

import tensorflow as tf
class f:
    v = tf.Variable(7)
    def __call__(self):
      self.v.assign_add(1)

@tf.function
def call(c):
    tf.print(c.v)  # always 7
    c()
    tf.print(c.v)  # always 8

c = f()
call(c)
call(c)

7
8
8
9