Python 相等比较在TensorFlow 2.0 tf.function（）中不起作用

在关于的讨论之后，我一直在玩游戏，并注意到不平等比较，如

和

，我在本文的第3部分中分析了这种行为（我强烈建议阅读所有三个部分，了解如何正确编写函数，然后在答案底部添加
tf.function
-链接）

对于
\uuu eq\uu
和
tf.equal
问题，答案是：

简而言之，
\uuuuueq\uuuuu
运算符（用于
tf.Tensor
）已被重写，但该运算符不使用
tf.equal
检查张量相等，它只检查Python变量标识（如果您熟悉Java编程语言，这与字符串对象上使用的==运算符完全相同）原因是
tf.Tensor
对象需要是可散列的，因为它在Tensorflow代码库中的任何地方都用作dict对象的键

而对于所有其他运算符，答案是AutoGraph不会将Python运算符转换为TensorFlow逻辑运算符。在本节中，我展示了每个Python运算符都会转换为一个图形表示形式，该表示形式的计算结果总是为false

事实上，下面的示例生成输出“wat”

@tf.function
如果（a，b）为def：
如果a>b：
tf.打印（“a>b”，a，b）
如果a==b：
tf.print（“a==b”，a，b）
如果a

实际上，AutoGraph无法将Python代码转换为图形代码；我们只能使用TensorFlow原语来帮助它。在这种情况下，您的代码将按预期工作

@tf.function
如果（a，b）为def：
如果tf.math.greater（a，b）：
tf.打印（“a>b”，a，b）
elif tf.数学等式（a，b）：
tf.print（“a==b”，a，b）
elif tf.math.less（a，b）：
tf.打印（“a

我把这三篇文章的链接放在这里，我想你会发现它们很有用：

，
我相信，因为在张量上下文中，等式运算符被保留/用于比较张量对象，并允许混合对象运算符“t1==t2”和代数运算符“t1==0”会导致很多混乱。公平地说，TF总是使用显式的运算符（如TF.greater_）、TF.add和对重载数学运算符的支持只是为了方便。AFAIK
==
for Tensor实际上检查它们是否是同一个对象。货币线：“实际上，AutoGraph无法将Python代码转换为图形代码；我们只能使用TensorFlow原语来帮助它。”我也会通读这些文章，看起来信息量很大。谢谢！离题了，你可能经常会遇到这种情况，但你在TensorFlow方面的知识很扎实。我正在进入一个需要成为优秀人才的行业（我的意思是说我真的很擅长）如果我可以问一下，你的学习过程是什么，回答关于堆栈溢出的问题是否有助于你丰富的TensorFlow知识？感谢你为绿豆提供的任何建议：）@cs95我通过解决问题来学习TensorFlow。当我还是研究员时，我必须自己学习如何进行对象分类和定位。当时（2015年底）tf是一种新东西，我花了很多时间学习它，一直都是为了解决这个任务。然后，当我对高级API更加自信时（我解决了我的研究问题）我开始回答这个问题，以检查我对框架结构的理解是否正确——这很有帮助，我强烈建议这样做。简言之，有一个目标，使用tf解决它并学习
@tf.function
def greater_than_zero(value):
    return value > 0

greater_than_zero(tf.constant(1))
#  <tf.Tensor: id=1377, shape=(), dtype=bool, numpy=True>
greater_than_zero(tf.constant(-1))
# <tf.Tensor: id=1380, shape=(), dtype=bool, numpy=False>

@tf.function
def equal_to_zero(value):
    return value == 0

equal_to_zero(tf.constant(1))
# <tf.Tensor: id=1389, shape=(), dtype=bool, numpy=False>  # OK...

equal_to_zero(tf.constant(0))
# <tf.Tensor: id=1392, shape=(), dtype=bool, numpy=False>  # WHAT?

@tf.function
def equal_to_zero2(value):
    return tf.equal(value, 0)

equal_to_zero2(tf.constant(0))
# <tf.Tensor: id=1402, shape=(), dtype=bool, numpy=True>