首页
学习
活动
专区
圈层
工具
发布
社区首页 >问答首页 >tf.py_function和tf.function在目的上有什么区别?

问tf.py_function和tf.function在目的上有什么区别?
EN

Stack Overflow用户
提问于 2020-05-02 18:55:19
回答 1查看 1.9K关注 0票数 8

这两者之间的区别在我的脑海中是模糊的,尽管什么是渴望的和什么不是的细微差别。从我的收集,@tf.function装饰师有两个好处

  1. 将函数转换为TensorFlow图以提高性能,
  2. 通过将许多(但不是所有)公共位置的Python操作解释为张量操作,例如if到tf.cond等

,从而允许一种更Python的编码风格。

从tf.py_function的定义来看,它似乎只做了上面的第2部分。因此,如果tf.py_function做了性能改进的工作,并且没有前者无法序列化,那么为什么还要使用tf.function呢?

EN

回答 1

Stack Overflow用户

发布于 2020-07-22 18:09:50

随着他们的进步,他们确实开始彼此相似,所以看看他们从哪里来是很有用的。最初,不同之处在于:

  • @tf.function将python代码转换为一系列TensorFlow图,nodes.
  • tf.py_function将现有的python函数封装为单个图节点。

。

这意味着tf.function要求您的代码相对简单,而tf.py_function可以处理任何python代码,不管它多么复杂。

虽然这一行确实模糊不清,tf.py_function做了更多的解释,tf.function接受了许多复杂的python命令,但一般规则仍然是一样的:

如果您的python代码中有相对简单的逻辑,请使用tf.function.

  • When使用复杂的代码,比如大型外部库(例如连接到数据库,或加载大型外部包)使用tf.py_function.
票数 16
EN
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接:

https://stackoverflow.com/questions/61564748

复制
相关文章

相似问题

领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档