【问题标题】：What is the difference in purpose between tf.py_function and tf.function?tf.py_function 和 tf.function 在用途上有什么区别？
【发布时间】：2020-05-02 18:55:19
【问题描述】：
尽管急切和不急切之间存在细微差别，但两者之间的区别在我的脑海中一直模糊不清。据我所知，@tf.function 装饰器有两个好处
- 它将函数转换为 TensorFlow 图以提高性能，并且
- 通过将许多（但不是全部）常见的 Python 操作解释为张量操作（例如
if 变成 tf.cond 等。
从tf.py_function 的定义来看，似乎只是上面的#2。因此，当tf.function 的工作在启动时性能得到提升并且没有前者无法序列化的情况下，为什么还要打扰tf.py_function？
【问题讨论】：
标签：
tensorflow
tensorflow2.0
【解决方案1】：
随着改进，它们确实开始彼此相似，因此了解它们的来源很有用。最初，不同之处在于：
-
@tf.function 将 python 代码转换为一系列 TensorFlow 图节点。
-
tf.py_function 将现有的 python 函数包装到单个图形节点中。
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，无论多么复杂。
虽然这条线确实很模糊，tf.py_function 做了更多解释，tf.function 接受了大量复杂的 python 命令，但一般规则保持不变：
- 如果您的 python 代码中的逻辑相对简单，请使用
tf.function。
- 当您使用复杂代码时，例如大型外部库（例如连接到数据库或加载大型外部 NLP 包），请使用
tf.py_function。