TensorFlow 2- NumPy数值和数组会导致TF函数的新图形吗？

Question

“数值Python值”在手放在ML 2上中是否包括NumPy int、float和数组？我们是否需要从一个DataSet构造中显式地创建TF张量或TF NumPy作为TF函数的参数？

手放在ML 2上第12章自动图形和跟踪：

默认情况下，TF函数为每一组输入形状和数据类型生成一个新的图表，并将其缓存以供后续调用。..。然而，--这只适用于张量参数：如果将数值Python值传递给TF函数，将为每个不同的值生成一个新的图。..。 如果将数值Python值传递给TF函数，则将为每个不同的值生成一个新的图。如果使用不同的数值Python值多次调用TF函数，则会生成许多图形，从而减缓程序的速度，消耗大量RAM (必须删除TF函数才能释放它)。 Python值应该保留给几乎没有唯一值的参数，例如每层的神经元数量等超参数。这使得TensorFlow能够更好地优化yor模型的每个变体。

TensorFlow文档追踪规则中所述的第三条规则对应于Python、float、boolean、str等，这些规则将导致新的图形部分。但不确定第5条规则(所有其他Python类型)是否适用于NumPy结构。

函数通过从输入的args和kwargs计算缓存密钥来确定是否重用跟踪的ConcreteFunction。缓存键是一个键，它根据函数调用的输入args和kwargs，根据以下规则(可能会发生变化)来标识ConcreteFunction：

1. 为tf.Tensor生成的键是它的形状和dtype。
2. 为tf.Variable生成的键是唯一的变量id。
3. 为Python原语(如int、float、str)生成的键是它的值。
4. 为嵌套的dicts、lists、tuple、namedtuple和attrs生成的键是叶键的扁平元组(请参见nest.flatten)。(由于这种扁平化，调用具有与跟踪期间使用的嵌套结构不同的具体函数将导致TypeError)。
5. 对于所有其他Python类型，键对于对象是唯一的。这样，对调用的每个实例都独立地跟踪一个函数或方法。

我认为函数存在的事实表明TF函数跟踪将生成一个新的图，但需要一个明确的确认。

Answer 1

我认为改变numpy数组中的值不会生成一个新的图形。请考虑以下最起码的代码示例：

@tf.function 
def test(input): 
  print("Tracing with input= ", input)
  tf.print("Executing with input = ", input)

第一个打印只在跟踪期间执行，第二个对每个调用执行。用列表调用它会导致：

test([1,2])
test([3,4])
>>> Tracing with input =  [1, 2]
>>> Executing with input [1, 2]
>>> Tracing with input =  [3, 4]
>>> Executing with input [3, 4]

使用numpy-数组调用它会导致：

test(np.array([1,2]))
test(np.array([3,4]))
>>> Tracing with input =  Tensor("input:0", shape=(2,), dtype=int32)
>>> Executing with input [1 2]
>>> Executing with input [3, 4]

这里不对第二个调用执行跟踪。这至少表明numpy数组的处理方式与tensorflow张量相同。