tf.compat.v1.py_func

Оборачивает функцию Python и использует её как операцию TensorFlow.

tf.compat.v1.py_func(
    func, inp, Tout, stateful=True, name=None
)

Это имя было устаревшим и удалено в TF2, но tf.numpy_function является почти точной заменой, просто опустите аргумент stateful (все вызовы tf.numpy_function считаются состоятельными). Он совместим с выполнением eager и tf.function.

tf.py_function — близкая, но не точная замена, передающая тензоры TensorFlow в обернутую функцию вместо массивов NumPy, что обеспечивает градиенты и позволяет использовать ускорители.

До:

def fn_using_numpy(x):
  x[0] = 0.
  return x
tf.compat.v1.py_func(fn_using_numpy, inp=[tf.constant([1., 2.])],
    Tout=tf.float32, stateful=False)
<tf.Tensor: shape=(2,), dtype=float32, numpy=array([0., 2.], dtype=float32)>

После:

tf.numpy_function(fn_using_numpy, inp=[tf.constant([1., 2.])],
    Tout=tf.float32)
<tf.Tensor: shape=(2,), dtype=float32, numpy=array([0., 2.], dtype=float32)>

Описание

Использование в ноутбуках

Учитывая функцию Python func, которая принимает массивы NumPy в качестве аргументов и возвращает массивы NumPy в качестве выходов, оберните эту функцию в операцию в графе TensorFlow. Следующий фрагмент кода создаёт простой граф TensorFlow, вызывающий функцию NumPy np.sinh() как операцию в графе:

def my_func(x):
  # x will be a numpy array with the contents of the placeholder below
  return np.sinh(x)
input = tf.compat.v1.placeholder(tf.float32)
y = tf.compat.v1.py_func(my_func, [input], tf.float32)

Примечание: Операция tf.compat.v1.py_func() имеет следующие известные ограничения:

• Тело функции (т.е. func) не будет сериализовано в GraphDef. Поэтому не следует использовать эту функцию, если вам нужно сериализовать вашу модель и восстановить её в другой среде.

• Операция должна выполняться в том же адресном пространстве, что и программа Python, вызывающая tf.compat.v1.py_func(). Если вы используете распределённый TensorFlow, вам нужно запустить tf.distribute.Server в том же процессе, что и программа, вызывающая tf.compat.v1.py_func(), и вы должны привязать созданную операцию к устройству в этом сервере (например, используя with tf.device():).

Примечание: Она производит тензоры неизвестной формы и ранга, так как вычисление формы не работает с произвольным кодом Python. Если вам нужна форма, её необходимо установить на основе статически доступной информации.

Например,

import tensorflow as tf
import numpy as np

def make_synthetic_data(i):
    return np.cast[np.uint8](i) * np.ones([20,256,256,3],
            dtype=np.float32) / 10.

def preprocess_fn(i):
    ones = tf.py_function(make_synthetic_data,[i],tf.float32)
    ones.set_shape(tf.TensorShape([None, None, None, None]))
    ones = tf.image.resize(ones, [224,224])
    return ones

ds = tf.data.Dataset.range(10)
ds = ds.map(preprocess_fn)