Better performance with tf.function（TensorFlow/学习/TensorFlow Core/指南）

本文原始页面链接：https://tensorflow.google.cn/guide/function

在TensorFlow 2.x系列的版本，eager execution功能是默认打开的，用户接口更直观和灵活，但是代价体现在性能和部署的方面。
想要得到性能和便携性都很好的模型，可以使用tf.function从你的程序中生成图（graph）。但是关于tf.function也有一些问题/陷阱需要注意，本文帮助你理解tf.function到底在做些什么，以方便你掌握它。

主要结论和建议包括：

• 使用Eager execution模式debug，使用tf.function装饰函数 / Debug in Eager mode, then decorate with @tf.function.
• 不要依赖python副作用，如对象转变或者是列表append / Don‘t rely on Python side effects like object mutation or list appends.
• tf.function与TensorFlow op搭配工作的最好，numpy和python调用被转换成常量 / tf.function works best with TensorFlow ops; NumPy and Python calls are converted to constants.

Better performance with tf.function（TensorFlow/学习/TensorFlow Core/指南）

原文：https://www.cnblogs.com/banluxinshou/p/13279937.html