Python Tensorflow性能：Numpy矩阵o TF矩阵？

我有以下代码：

with tf.Session() as sess:
    sess.run(init_vars)
    cols = sess.run(tf.shape(descriptors)[1])
    descriptor_matrix = np.zeros((n_batches*batch_size, cols))
    while True:
        batch_descriptor = sess.run(descriptors, feed_dict={dropout_prob: 1})
        descriptor_matrix[i:i+elements_in_batch] = np.array(batch_descriptor)

---

我混合了张量和numpy向量。这对性能有重要影响吗？为什么？我应该用张量来代替吗？

把张量和numpy混合起来是没有问题的。 但在“图形”（sess.run（））之外执行处理是不好的

Tensorflow/XLA编译器，用于生成“图形”以优化性能。 调用sess.run（）时图形正在使用

但是，处理外部图形（sess.run（））是普通的python代码。

---

它不受XLA编译器的影响。

< P>混合张量和NUMPY是没有问题的。 但在“图形”（sess.run（））之外执行处理是不好的

Tensorflow/XLA编译器，用于生成“图形”以优化性能。 调用sess.run（）时图形正在使用

但是，处理外部图形（sess.run（））是普通的python代码。 它不受益于XLA编译器。