tf.contrib.framework.py_func

Оборачивает функцию Python и использует её как операцию TensorFlow.

tf.contrib.framework.py_func(
    func, args=(), kwargs=None, output_types=None, output_shapes=None,
    stateful=True, name=None
)

Эта функция является оболочкой вокруг tf.compat.v1.py_func и улучшает её с помощью аргументов kwargs и output_shapes. Кроме того, были изменены некоторые имена аргументов.

Учитывая функцию Python func, которая принимает массивы NumPy в качестве входных данных и возвращает массивы NumPy в качестве выходных данных, оберните эту функцию как операцию в графе TensorFlow. Следующий фрагмент строит простой граф TensorFlow, который вызывает функцию NumPy np.sinh() в качестве операции в графе:

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