tensorflow - 为什么我们需要 tf.convert_to_tensor？

Question

我在(https://www.tensorflow.org/guide/eager)中看到了以下代码:

def fizzbuzz(max_num):
  counter = tf.constant(0)
  max_num = tf.convert_to_tensor(max_num)
  for num in range(1, max_num.numpy()+1):
    num = tf.constant(num)
    if int(num % 3) == 0 and int(num % 5) == 0:
      print('FizzBuzz')
    elif int(num % 3) == 0:
      print('Fizz')
    elif int(num % 5) == 0:
      print('Buzz')
    else:
      print(num.numpy())
    counter += 1


fizzbuzz(15)

为什么max_num需要转换张量？

Answer 1

在这个例子中，它仅用于一个简单的演示目的(即展示 Eager 如何工作) - 否则，它是多余的。如果问题是“为什么使用张量是 Eager？” - TensorFlow 操作只能在张量实例上运行(例如 Tensor、EagerTensor) - 即使在 Eager 执行中也是如此。 Eager 实际上并不缺乏图表 - 它主要是图表，“执行图表”。

至于“为什么”——很长的问题，但简短的答案是“优化”；在实际执行之前，TensorFlow 会智能地组织输入并进行类型转换，这样做需要输入具有某些属性和方法，这些属性和方法在转换为张量后会被继承。当使用高级操作时，这是自动完成的，但如果编写自定义功能(例如优化器)，您可能需要手动转换。