python signature函数-tensorflow2.0的函数签名与图结构(推荐)

input_signature的好处：

1.可以限定函数的输入类型，以防止调用函数时调错，

2．一个函数有了input_signature之后，在tensorflow里边才可以保存成savedmodel。在保存成savedmodel的过程中，需要使用get_concrete_function函数把一个tf.function标注的普通的python函数变成带有图定义的函数。

下面的代码具体体现了input_signature可以限定函数的输入类型这一作用。

@tf.function(input_signature=[tf.TensorSpec([None], tf.int32, name="x")])

def cube(z): #实现输入的立方

return tf.pow(z, 3)

try:

print(cube(tf.constant([1., 2., 3.])))

except ValueError as ex:

print(ex)

print(cube(tf.constant([1, 2, 3])))

输出：

Python inputs incompatible with input_signature:

inputs: (

tf.Tensor([1. 2. 3.], shape=(3,), dtype=float32))

input_signature: (

TensorSpec(shape=(None,), dtype=tf.int32, name="x"))

tf.Tensor([ 1 8 27], shape=(3,), dtype=int32)

get_concrete_function的使用

note:首先说明࿰