tensorflow2.x学习笔记十：使用tf.function(Autograph)提高代码性能(含函数签名的使用)

最新推荐文章于 2022-03-30 10:26:50 发布
最新推荐文章于 2022-03-30 10:26:50 发布
阅读量2.1k 收藏 10
点赞数 2
分类专栏： # TensorFlow2.x学习笔记 文章标签： tensorflow 深度学习 python
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_39507748/article/details/105251103
版权
本文介绍了TensorFlow2.x中tf.function的作用，探讨了动态和静态计算图的优缺点及转换方法。通过使用tf.function，可以将动态计算图转换为静态计算图以提高性能。同时，文章讲解了使用函数签名的注意事项和添加方法，强调了正确添加签名对保存和加载模型的重要性。
摘要由CSDN通过智能技术生成

参考文章：https://zhuanlan.zhihu.com/p/67192636

一、基本概念

       有三种计算图的构建方式：静态计算图，动态计算图，以及Autograph.

  • 在TensorFlow1.0时代，采用的是静态计算图，需要先使用TensorFlow的各种算子创建计算图，然后再开启一个会话Session，显式执行计算图。

  • 而在TensorFlow2.0时代，采用的是动态计算图，即每使用一个算子后，该算子会被动态加入到隐含的默认计算图中立即执行得到结果，而无需开启Session。

  • 如果需要在TensorFlow2.0中使用静态图，可以使用@tf.function装饰器将普通Python函数转换成对应的TensorFlow计算图构建代码。运行该函数就相当于在TensorFlow1.0中用Session执行代码。使用tf.function构建静态图的方式叫做 Autograph.

       在TF 2.x中, 由于默认为动态图, 计算会直接被执行, 也就是说, 我们不需要再进行以下操作：

了解本专栏 订阅专栏 解锁全文 超级会员免费看
耐心的小黑
关注
专栏目录
订阅专栏
从零基础入门Tensorflow2.0 ----三、9.tf.function
胡侃有料的博客
04-13 346
every blog every motto: Blind people, though in the dark, can also open up a bright road under their feet. 0. 前言 本节实战tf.function auto_graph 普通函数转成tensorflow函数，优化，提高速度 函数签名与图结构 1. 代码部分 1. 导入模块 import m...
【Tensorflow教程笔记】常用模块 tf.function ：图执行模式
热门推荐
nanke_4869的博客
02-28 1万+
Tensorflow教程笔记 基础 TensorFlow 基础 TensorFlow 模型建立与训练 基础示例：多层感知机（MLP） 卷积神经网络（CNN） 循环神经网络（RNN） 深度强化学习（DRL） Keras Pipeline 自定义层、损失函数和评估指标 常用模块 tf.train.Checkpoint ：变量的保存与恢复 常用模块 TensorBoard：训练过程可视化 常用模块 tf.data ：数据集的构建与预处理 常用模块 TFRecord ：TensorFlow 数据集存储格式 常用模
TensorFlow 2.0 常用模块5：@tf.function
zkbaba的博客
01-09 1万+
在上一篇文章中，我们介绍了 TensorFlow 的数据集存储格式 TFRecord。本篇文章我们将介绍在 TensorFlow 2.0 中调用图模式的方法。 虽然默认的 Eager Execution 为我们带来了灵活及易调试的特性，但在特定的场合（例如追求高性能或部署模型）时，我们依然希望使用图模式，将模型转换为 TensorFlow 图模型。此时，TensorFlow 2.0 为我们提供了 ...
tensorflow2.0系列（5）：再说说tf.function
几何君的算法天空
01-22 4991
目录tf.function()Autograph更多阅读python类的super和__init__()的关系： 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.Sess...
tensorflow2 @tf.function
zztSky
12-17 229
tensorflow2 @tf.function 文档 如果是直接用keras 高层API的话应该用不到这玩意。
tensorflow2.x学习笔记十一：@tf.function(AutoGraph)的使用规范
耐心的小黑的博客
08-30 2139
一、前言 有三种计算图的构建方式：静态计算图，动态计算图，以及Autograph。 TensorFlow 2.0主要使用的是动态计算图和Autograph。 动态计算图易于调试，编码效率较高，但执行效率偏低。 静态计算图执行效率很高，但较难调试。 而Autograph机制可以将动态图转换成静态计算图，兼收执行效率和编码效率之利。 当然Autograph机制能够转换的代码并不是没有任何约束的，有一些编码规范需要遵循，否则可能会转换失败或者不符合预期。下面就来介绍一下使用Autograph的编码规范。 二、Au
TensorFlow2.0教程-使用tf.function和AutoGraph提高代码性能
知行_那片天
07-07 1万+
TensorFlow2教程-TF fuction和AutoGraph 要获得最佳性能并使模型可在任何地方部署，请使用tf.function从程序中构建图。 因为有AutoGraph，可以使用tf.function构建高效性能的Python代码，但仍有一些陷阱需要警惕。 今天我们就来介绍一下tensorflow2.0中的TF fuction和AutoGraph
tensorflow2.x学习笔记二十九：官方API文档小总结
耐心的小黑的博客
12-06 2184
一、tf下的常用API(下面这几个都比较常用，主要是定义处理数据) 1、tf.constant,tf.variable(它有比constant更多的属性，比如.assign，.assign_add， .assign_sub，这几个属性是直接将返回值给var变量本身，也即直接改变本身的值), tf.string,tf.range,tf.ones,tf.zeros,tf.linespace;tf.meshgrid.tf.RaggedTensor；定义数据 2、tf.fill,tf.shape,tf.one
tensorflow学习笔记： 1.X 和2.X版本的差异
AnneQiQi的博客
11-15 7806
近日电脑环境出了点问题，整个重装后tensorflow更新到2.0版本。结果运行以往的程序是抛出了很多bug，走了很多路也踩过很多坑。且行且调试吧。。。 TensorFlow具有多种语言可用的API，可用于构建和执行TensorFlow图。Python API目前是最完整和最容易使用的，但是其他语言API可能更易于集成到项目中，并且可能在图形执行方面提供一些性能优势。 ...
Tensorflow学习笔记（三）下 — @tf.function的使用与自定义求导
01-06
继续接着上一篇来看： import matplotlib as mpl import matplotlib.pyplot as plt %matplotlib inline import numpy as np import sklearn import pandas as pd import os import sys import time import tensorflow as tf from tensorflow import keras print(tf.__version__) print(sys.version_info) for module in mpl, np, pd,
Transformer-Tensorflow2：用于分类的Transformer架构
03-03
Transformer-Tensorflow2 用于分类的Transformer架构 要求：Tensorflow 2.0
TensorFlow2.0(八)--tf.function函数转换
魔法师の屋子★↓☆
04-05 4269
tf.function函数转换1. 关于tf.function2. tf.function 的实现3. 关于@tf.function 1. 关于tf.function tf.function的官方含义是“Creates a callable TensorFlow graph from a Python function.”也就是说，tf.function可以从 Python 函数创建可调用的 Te...
关于tf.function简述
small-guo
03-30 1583
目录 本文主要粗浅的讲解tf.function的相关内容，主要分为两块内容，一是tf.function的作用（为什么要有tf.function）。二是在使用tf.function时需要注意的点（tf.function的一些特性） tf.function的作用 通过对比 tf1.x 与 tf2.x eager 与 tf2.x tf.functon进行说明tf.function的作用 tf.1.x 首先从tf1.x的代码风格说起，在tf1.x中，我们需要自行创建一个graph，再把其加载进tf.Session中
@tf.function
pdn的博客
10-22 6406
将python的函数编译成tensorflow的图结构，所以可以方便的直接使用python的语法去写深度学习的一些函数代码 易于将模型导出为GraphDef+checkpoint和saveModel 使得eager exection默认打开。如果不使用@tf.function，虽然可以使用eager exection去写代码，但是模型的中间结果无法保存，所以无法进行预测 tf1.0的代码可以经过...
学习笔记06--@tf.function
JerryZhang1111的博客
05-27 463
TensorFlow 2 默认的即时执行模式（Eager Execution）为我们带来了灵活及易调试的特性，但为了追求更快的速度与更高的性能，我们依然希望使用 TensorFlow 1.X 中默认的图执行模式（Graph Execution）。此时，TensorFlow 2 为我们提供了 tf.function 模块，结合 AutoGraph 机制，使得我们仅需加入一个简单的 @tf.function 修饰符，就能轻松将模型以图执行模式运行。 实现方式 只需要将我们希望以图执行模式运行的代码封装在一个函数
浅谈@tf.function在TensorFlow-2.x版本中的加速作用
qq_37116150的博客
04-08 632
在TensorFlow-2.x版本中使用@tf.function可以有效降低显卡显存占用，和大幅度提升网络的推理速度。
tf.function函数转换
Lomo的博客
11-15 722
tf.function函数转换tf.function函数转换为什么需要用函数转换用tf.function()把方法转换为图实现方法一方法二用autograph把转换为图结构的中间代码展示出来 tf.function函数转换 tf.function可以把普通python语法写的函数变成tensorflow的图，autograph是tensorflow依赖的机制，可以把把普通python方法变成tensorflow里的图实现。 为什么需要用函数转换 举个简单的例子：在python中，调用库函数会非常快，因为py
@tf.function()相关
岁月如歌
04-17 676
https://www.bookstack.cn/read/TensorFlow2.0/spilt.4.3b87bc87b85cbe5d.md https://blog.csdn.net/qq_31456593/article/details/95041177
TensorFlow 2入门教程：从基础到实践详解
- **函数(Function)**：介绍如何使用函数封装代码，提高复用性和可维护性。 - **线性回归再审视(Linera Regression Revisited)**：通过函数重写，展示了更清晰的代码结构。 5. **注意事项与潜在问题**： - **...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

耐心的小黑

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值