Tensorflow 为什么在model.fit期间调用两次

当我运行上面的代码时，会打印出2个hi。在本例中，只有1个历元，并且在该历元中有1个批次（批次大小为20），那么为什么调用方法会被调用两次。

相关：

插入到调用函数中的Python

print

将仅在第一次执行时在下面构建图形时执行。第二个调用由TF eager execution触发，这也是第一次（如果在

model.fit

之前运行

TF.compat.v1.disable_eager_execution（）

，您将只看到一个打印的

hi

）

---

但是如果第二次运行

model.fit

（第三次，…），您将注意到没有打印任何内容。这是因为，一旦建立了图形，向前传递就不再执行

调用

函数。如果要打印与每次向前传递的执行相关的内容，应改用

tf.print（“hi”）

。您会注意到，通过这种方式，在

model.fit

中，每个eopch都会发生一次且只有一次打印，因此，tf.print（'hi'）会在每个model.fit调用中继续打印hi，因为tf.print会成为图形本身的一部分。我的理解正确吗？没错！tf.print成为图中的一个节点，在TF2中，它每次都会运行

import tensorflow as tf
import numpy as np
x=np.random.rand(20,10,64)
y=np.random.randint(10,size=(20,1))
class mymodel(tf.keras.Model):
  def __init__(self):
    super(mymodel,self).__init__()
    self.l1 = tf.keras.layers.LSTM(10,return_state=True)
    self.l2 = tf.keras.layers.Dense(10,activation=tf.keras.activations.softmax)
  def call(self,input):
    print('hi')
    x=self.l1(input)
    # tf.print(x[0],x[1],x[2])
    x=self.l2(x[0])
    return x
model =mymodel()
model.compile(loss = tf.keras.losses.SparseCategoricalCrossentropy())
model.fit(x,y)