在 Tensorflow 张量上调用 scipy 特殊函数？答案

【问题标题】：Calling scipy special functions on Tensorflow tensors?在 Tensorflow 张量上调用 scipy 特殊函数？
【发布时间】：2023-03-14 01:57:03
【问题描述】：

使用 Tensorflow 张量作为参数调用 scipy/numpy 特殊函数时是否有任何性能成本？而不是使用tensorflow.math提供的功能？

我问是因为 scipy 上提供了一些特殊功能，但 Tensorflow 上没有（例如scipy.special.erfcx）。我认为 Tensorflow 提供了 tensorflow.math 中的功能，而不是推荐直接使用 numpy 或 scipy，因为这提供了一些加速？

编辑：请注意，我尝试使用@tf.function：

import scipy.special
import tensorflow as tf

@tf.function
def erfcx(x):
    return tf.convert_to_tensor(scipy.special.erfcx(x))

但是当我在 tf.Tensor 上调用它时出现错误。

A = tf.random.uniform((5,6))
erfcx(A)
# NotImplementedError: Cannot convert a symbolic Tensor (x:0) to a numpy array.

有什么建议吗？

【问题讨论】：

TF 拥有自己的高度优化的 CUDA 内核，用于其操作。因此，当您使用自定义函数时，您会失去这种效率（并非总是因为@tf.function 可以将 python 转换为tf.Graph）。因此，是的，总是首选使用tf.ops 而不是其他操作。但是，您获得的加速类型会有所不同，具体取决于该操作实际上的可并行化程度。
@thushv89 请参阅编辑。我尝试使用@tf.function，但它给出了错误。
可能 TF 对它可以转换为 TF 操作的内容有限制。我试图使用tf.numpy_function，但也失败了。当我启动并运行某些东西时，我会看看并发布答案
scioy 函数不能直接使用 tensorflow 对象。他们将首先尝试将它们转换为 numpy 数组。最好让 tensorfow 先做正确的转换。

【解决方案1】：

因此您可以执行以下操作。但是，我认为您不能将此函数与 @tf.function 一起使用，这对于 TF 构建图形来说可能太难了。这将在 Eager 执行模式下运行。

import tensorflow as tf

x = tf.ones(shape=[10,2], dtype=np.float32)
erfcx = tf.numpy_function(scipy.special.erfcx,[x], tf.float32)

【讨论】：