python - 对于自定义 Python 代码，是否有替代 tf.py_function() 的方法？

Question

我已经开始使用 TensorFlow 2.0，并且在某一方面有点不确定。

假设我有这个用例:同时使用 tf.data.Dataset 摄取数据我想对某些图像应用一些特定的增强操作。但是，我使用的外部库 要求 图像是一个 numpy 数组 , 不是张量 .

使用时 tf.data.Dataset.from_tensor_slices() ，流动数据需要是张量类型。具体例子:

def my_function(tensor_image):
   print(tensor_image.numpy()
   return


data = tf.data.Dataset.from_tensor_slices(tensor_images).map(my_function)

上面的代码不起作用产生一个

'Tensor' object has no attribute 'numpy' error.

我已经阅读了关于 TensorFlow 2.0 的文档，说明如果想要使用任意的 Python 逻辑，应该使用 tf.py_function 或仅 TensorFlow 原语 根据:
How to convert "tensor" to "numpy" array in tensorflow?

我的问题是以下 :是否有另一种方法可以在带有自定义装饰器的函数中使用任意 Python 代码/比使用 tf.py_function 更简单的方法?

老实说，对我来说，似乎必须有一种比传递给 tf.py_function 更优雅的方式。 ，转换为 numpy 数组，执行操作 A、B、C、D，然后重新转换为张量并产生结果。

Answer 1

没有其他方法可以做到，因为 tf.data.Dataset s 仍然(我想，出于性能原因，它们将始终以图形模式执行)，因此，您不能使用 tf.* 之外的任何内容。方法，可以很容易地被 TensorFlow 转换为它的图形表示。

使用 tf.py_function是在使用 tf.data.Dataset 时混合 Python 执行(因此，您可以使用任何 Python 库)和图形执行的唯一方法对象(与使用 TensorFlow 2.0 时发生的情况相反，默认情况下急切允许这种混合执行自然)。