python - 在Tensorflow 2.0中的tf.function input_signature中使用字典

Question

我正在使用Tensorflow 2.0并面临以下情况:

@tf.function
def my_fn(items):
    .... #do stuff
    return

如果items是张量的字典，例如:

item1 = tf.zeros([1, 1])
item2 = tf.zeros(1)
items = {"item1": item1, "item2": item2}

有没有一种使用tf.function的input_signature参数的方法，所以我可以强制tf2避免在item1例如tf.zeros([2,1])时创建多个图形？

Answer 1

输入签名必须是一个列表，但是列表中的元素可以是字典或张量规范列表。在您的情况下，我会尝试:( name属性是可选的)

signature_dict = { "item1": tf.TensorSpec(shape=[2], dtype=tf.int32, name="item1"),
                   "item2": tf.TensorSpec(shape=[], dtype=tf.int32, name="item2") } 
              

# don't forget the brackets around the 'signature_dict'
@tf.function(input_signature = [signature_dict])
def my_fn(items):
    .... # do stuff
    return

# calling the TensorFlow function
my_fun(items)

但是，如果要调用my_fn创建的特定具体函数，则必须解压缩字典。您还必须在name中提供tf.TensorSpec属性。

# creating a concrete function with an input signature as before but without
# brackets and with mandatory 'name' attributes in the TensorSpecs 
my_concrete_fn = my_fn.get_concrete_function(signature_dict)
                                             
# calling the concrete function with the unpacking operator
my_concrete_fn(**items)

这很烦人，但应该在TensorFlow 2.3中解决。 (请参见TF“具体功能”指南的末尾)