Python TensorFlow签名是否能识别；是"；操作人员

考虑下面的Python代码

@tf.function(autograph=True)
def foo(x, flag):
   if flag is True:
       x = tf.add(x, 1)
   return x

现在考虑，该代码中唯一的区别是“IS”被更改为“＝＝”

---

如果

标志

是张量，则第一个代码的计算结果不正确。我认为“签名”无法识别“is”操作员。有谁能帮助我理解为什么会出现这种情况，以及我如何在代码的其余部分中修复它，而无需手动查找和替换“is”运算符。如果有人能证实这是一个问题，而不是我的愚蠢，我会在GitHub上打开一个问题。

像Tensorflow、sympy、SQLAlchemy和其他一些库利用Python的“操作符重载”特性，也就是说，对于那些库中定义的特殊对象，比较操作符“==，>，这看起来像是我期望的行为，不是吗？在第一种情况下，

标志是一个张量对象，因此它不是
True
对象，即使它包含
True
对象。在第二种情况下，
=
成功，因为
张量
s
\uuuu eq\uuuu
的写入方式使其计算结果为
真
。Hmmm。。。是的，我明白你的意思。我不确定这个设计模式是否符合PEP285。True和False应被视为单态，如果Autograph能够识别此类张量的使用是单态而不是张量，那将是一件好事。我之所以这么说，是因为虽然可能有True，但False值是python对象，亲笔签名可能会将它们转换为张量，因此不再是python单例。感谢您的帮助，尽管Frederik:）使用
是
，您真正的意思是
=
是不好的做法，无论涉及的类型如何<在布尔上下文中，code>flag
本身几乎总是比
flag==True
更可取。但是，AutoGraph不应该能够转换Python代码并在与单例进行比较的上下文中识别“is”的使用吗？但是谢谢-这个解释是有道理的。我不知道签名，但它很可能会提取源代码，并使用自己的语义重新编译，而其他一切都可以通过运算符重载实现。这是有道理的！谢谢！自TF2.0发布以来，Autograph一直在调试方面给我带来各种各样的问题，而使用默认的急切执行速度非常慢，内存效率低下。TF1.15课程要好得多，尽管这意味着在学术研究方面落后于PyTorch。
@tf.function(autograph=True)
def foo(x, flag):
   if flag == True:
       x = tf.add(x, 1)
   return x