从零基础入门Tensorflow2.0 ----三、9.tf.function

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339 收藏
点赞数
分类专栏： Tensorflow2.0 文章标签： python tensorflow 深度学习
本文为博主原创文章，未经博主允许不得转载。
本文链接：https://blog.csdn.net/weixin_39190382/article/details/104207609
版权
本文从零基础引导读者入门Tensorflow2.0的tf.function，探讨如何将普通Python函数转换为tensorflow图以提高运行速度。内容包括tf.function的基本使用、转换图结构的方法、tf.Variable的使用以及输入签名的设定，旨在帮助读者理解并掌握tf.function的优化技巧。
摘要由CSDN通过智能技术生成

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 matplotlib as mpl
import matplotlib.pyplot as plt
%matplotlib inline
import numpy as np
import sklea
了解本专栏 订阅专栏 解锁全文 超级会员免费看
胡侃有料
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
订阅专栏
从零基础入门Tensorflow2.0 ----五、19. feature_column , keras_to_estimator
胡侃有料的博客
04-19 455
every blog every motto: 0. 前言 读取，tfrecords文件，并使用tf.keras 1. 代码部分 1. 导入模块 import matplotlib as mpl import matplotlib.pyplot as plt %matplotlib inline import numpy as np import sklearn import pandas as ...
【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 ...
tf.function函数转换
Lomo的博客
11-15 720
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
关于tf.function简述
small-guo
03-30 1581
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
TensorFlow2.0(八)--tf.function函数转换
魔法师の屋子★↓☆
04-05 4264
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...
tensorflow2.0系列（5）：再说说tf.function
几何君的算法天空
01-22 4989
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...
tensorflow 2.0入门(一）
dudu3332的博客
10-25 320
1.0的大部分函数都在compat.v1里 注意 Keras 是一个用于构建和训练深度学习模型的高阶 API。它可用于快速设计原型、高级研究和生产。 keras的3个优点： 方便用户使用、模块化和可组合、易于扩展 1.导入tf.keras tensorflow2推荐使用keras构建网络，常见的神经网络都包含在keras.layer中(最新的tf.keras的版本可能和keras不同...
从零基础入门Tensorflow2.0 ----八、42. 自定义流程
胡侃有料的博客
06-17 185
every blog every motto: 0. 前言 以fashion_mnist 为例，自定义流程，针对一机多卡的情况。 1. 代码部分 1. 导入模块 import matplotlib as mpl import matplotlib.pyplot as plt %matplotlib inline import numpy as np import sklearn import pa...
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,
从零基础入门Tensorflow2.0 ----八、43. 自定义流程分布式
胡侃有料的博客
06-17 179
every blog every motto: 0. 前言 以fashion_mnist 为例，自定义流程分布式，针对一机多卡的情况。 1. 代码部分 1. 导入模块 import matplotlib as mpl import matplotlib.pyplot as plt %matplotlib inline import numpy as np import sklearn import...
从零基础入门Tensorflow2.0 ----九、44.5 keras转换成具体函数
胡侃有料的博客
06-17 185
every blog every motto: 0. 前言 以fashion_mnist 为例，keras 转换成具体函数 1. 代码部分 1. 导入模块 import matplotlib as mpl import matplotlib.pyplot as plt %matplotlib inline import numpy as np import sklearn import panda...
tf.function
USLL_7263的博客
12-20 453
tf.function的使用 1. 一个tf.function定义就像是一个核心TensorFlow操作：可以急切地执行它; 也可以在静态图中使用它; 且它具有梯度。
一文搞懂tf.function
人工智能AI技术
08-25 3754
朋友们，如需转载请标明出处：https://blog.csdn.net/jiangjunshow 在tensorflow1.x的时候，代码默认的执行方式是graph execution（图执行），而从tensorflow2.0开始，改为了eager execution（饥饿执行）。正如翻译的意思一样，eager execution会立即执行每一步代码，非常的饥渴。而graph execution会将所有代码组合成一个graph（图）后再执行。这里打一个不太恰当的比喻来帮助大家理解：eager executi
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)
耐心的小黑的博客
04-01 2184
一、基本概念        AutoGraph是TF提供的一个非常具有前景的工具, 它能够将一部分python语法的代码转译成高效的图表示代码. 由于从TF 2.0开始, TF将会默认使用动态图(eager execution), 因此利用AutoGraph, 在理想情况下, 能让我们实现用动态图写(方便, 灵活), 用静态图跑...
【深度学习 走进tensorflow2.0】TensorFlow 2.0 常用模块@tf.function
赖德发的博客
12-15 965
1、@tf.function 是干什么用的？ 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 tf.function 模块，结合 AutoGraph 机制，使得我们仅需加入一个简单的 @tf.function...
tensorflow2 @tf.function
zztSky
12-17 228
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。
@tf.function
pdn的博客
10-22 6404
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...
tf.session() tensorflow2.0
最新发布
06-28
### 回答1： tf.compat.v1.Session() 是 tensorflow2.0 中的会话。在TensorFlow 2.0中，使用tf.Session()不再是必需的，因为默认情况下TensorFlow 2.0会启用即时执行模式（Eager Execution），这意味着您可以直接执行TensorFlow操作，而无需将它们包装在会话中。 如果您仍然需要使用会话，可以使用tf.compat.v1.Session()方法创建会话。例如： ``` import tensorflow.compat.v1 as tf # 创建一个常量张量 a = tf.constant(5.0) b = tf.constant(6.0) # 创建会话 with tf.compat.v1.Session() as sess: # 执行操作 c = tf.multiply(a, b) # 打印结果 print(c.eval()) ``` 请注意，在TensorFlow 2.0中，建议使用函数式API或子类化API来构建模型，而不是使用会话和图。 ### 回答2： tf.session() 是 TensorFlow 1.x 版本中的一个 Session 对象，用于在计算图中执行操作。但在 TensorFlow 2.0 版本中，tf.session() 已经被移除，取而代之的是 Eager Execution 模式。Eager Execution 模式使得 TensorFlow 类似于 Python 等语言的编程方式，可以实时地（命令式地）执行操作，无需先构建计算图。Eager Execution 模式的特点如下： 1. 实时执行：像 Python 一样，代码一行一行地执行，可以立即看到结果。 2. 更加直观：类似于 NumPy 的编程方式，使得代码更加易读。 3. 不需要 Session：不需要预先定义 Session 来进行执行，直接调用函数即可。 4. 更加灵活：可以通过控制流和 Python 控制结构来编写代码，使得代码更加灵活。 在 TensorFlow 2.0 中，可以通过以下方式使用 Eager Execution 模式: ```python import tensorflow as tf tf.compat.v1.disable_eager_execution() ``` 或者更简单的方式： ```python import tensorflow.compat.v1 as tf tf.disable_eager_execution() ``` 这样，就可以写出像普通的 Python 代码一样的 TensorFlow 代码了，使得开发和调试更加方便快捷。 ### 回答3： tf.session() 是 TensorFlow 1.x 版本中的重要概念。它是一个计算图的执行环境，可以在其中进行计算图的计算。然而，在 TensorFlow 2.0 中，tf.session() 不再存在，被新的执行方式所替代。 在 TensorFlow 2.0 中，执行图的方式已经成为了自然而然的过程，无需使用 tf.session()。新的方式是，采用 Eager Execution 的模式进行执行。Eager Execution 是 TensorFlow 2.0 引入的一种命令式编程模式，它允许实时地运行操作，计算并输出结果。它的最大优点是，允许使用 Python 自身的控制流，如 if、for 循环等语法，这使得程序更加灵活且易于调试。同时，也减少了许多前版本版本臭名昭著的易错代码。 使用 Eager Execution 模式的代码如下： ``` import tensorflow as tf # 创建一个计算图 a = tf.constant(2) b = tf.constant(3) x = tf.add(a, b) # 显示结果 print(x.numpy()) ``` 以上代码将输出 5，即计算了 a + b 的结果。 为了兼容以前的代码，TensorFlow 2.0 仍然保留 tf.compat.v1 中的 session() 函数，可以使用此函数调用 TensorFlow 1.x 版本的旧代码，但未来可能会被移除，因此，开发者应该尽可能使用新的 Eager Execution 模式编写代码。
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

胡侃有料

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