Python 将TensorFlow sess.run转换为@tf.function

如何编辑

会话。运行
函数，使其在Tensorflow 2.0上运行

  with tf.compat.v1.Session(graph=graph) as sess:
    start = time.time()
    results = sess.run(output_operation.outputs[0],
                      {input_operation.outputs[0]: t})

我阅读了文档，了解到您必须更改如下函数：

  normalized = tf.divide(tf.subtract(resized, [input_mean]), [input_std])
  sess = tf.compat.v1.Session()
  result = sess.run(normalized)

  return result

为此：

def myFunctionToReplaceSessionRun(resized,input_mean,input_std):
    return tf.divide(tf.subtract(resized, [input_mean]), [input_std])

normalized = myFunctionToReplaceSessionRun(resized,input_mean,input_std)

但我不知道如何改变第一个

这里有一点背景，我在尝试代码实验室，在这里发现
sess.run
，这给我带来了麻烦


使用TensorFlow 1.x，我们用来创建
tf.placeholder
张量，通过它数据可以进入图形。我们使用了
feed\u dict=
和
tf.Session（）
对象

在TensorFlow 2.0中，我们可以直接将数据提供给图形，因为默认情况下启用了急切执行。通过
@tf.function
注释，我们可以将函数直接包含在图形中。他说,

这次合并的核心是tf.function，它允许您
将Python语法的子集转换为可移植的高性能
张量流图

下面是一个来自文档的简单示例

@tf.function
def simple_nn_layer(x, y):
  return tf.nn.relu(tf.matmul(x, y))


x = tf.random.uniform((3, 3))
y = tf.random.uniform((3, 3))

simple_nn_layer(x, y)

现在，看看你的问题，你可以转换你的函数

@tf.function
def get_output_operation( input_op ):
    # The function goes here
    # from here return `results`

results = get_output_operation( some_input_op )

简而言之，占位符张量转换为函数参数，
sess.run（tensor）
中的
tensor
由函数返回。所有这些都发生在
@tf.function
注释函数中