在很多的讲解中,都提到了在TF2.0中,使用tf.function会提高计算效率。针对神经网络计算,这个说法是正确的。但是针对纯矩阵运算,使用tf.function反而会降低计算效率。猜测是因为使用tf.function产生了额外的系统调用造成的。因为纯矩阵运算使用的是numpy的库。而tf.function使用Graph,一定会有额外的开销。这些开销不足以让矩阵运算提高效率。以上为猜测。
import tensorflow as tf
import timeit
conv_layer = tf.keras.layers.Conv2D(100, 3)
@tf.function
def conv_fn(image):
return conv_layer(image)
image = tf.zeros([1, 200, 200, 100])
# warm up
conv_layer(image); conv_fn(image)
print("Eager conv:", timeit.timeit(lambda: conv_layer(image), number=100))
print("Function conv:", timeit.timeit(lambda: conv_fn(image)