tensorflow2.0系列（5）：再说说tf.function

上一篇啰啰嗦嗦说了很多tf2.0中eager execution和autograph的一些特性，但是感觉还是没有说透，反而让人很迷惑，这次再唠唠tf.function到底有啥奇妙之处。

tf.function()

tf1.x中一般的工作流程，就是先创建一个计算图，然后通过tf.Session对图进行计算。例如：

g = tf.Graph()

with g.as_default():

    a = tf.constant(...)

    x = tf.constant(...)

    b = tf.Variable(..)

    y = tf.matmul(a, x) + b

    init_op = tf.global_variables_initializer()

with tf.Session() as sess:

    sess.run(init_op)

    print(sess.run(y))

eager execution带来的改变就是，正如大家多次听说的那样，用户不再需要直接定义计算图或者通过tf.Session来执行代码，也不需要调用tf.global_variables_initializer去初始化变量或者通过tf.control_dependencies去执行计算图中没有包含的节点。

a = tf.constant([[