我正在尝试编写与图形兼容的代码。但是，关于如何执行此操作的在线信息很少，只是TensorFlow的website上的文字脚注。此外，他们所写的内容令人困惑，说：
为急切执行而编写的相同代码也将在图执行期间构建图。为此，只需在未启用急切执行的新Python会话中运行相同的代码即可。
这意味着可以使用相同的代码解决方案，其中唯一需要的更改是添加或删除tf.enable_eager_execution()。
当前，我使用tf.keras定义模型，并使用tf.data定义输入管道。但是，许多急切的操作在图形中不起作用，反之亦然。
例如，我使用epochs来跟踪tf.train.Checkpoint()的数量。在急切模式下，还原后，我可以使用epochs.numpy()来访问它，以将其值分配给局部变量。但是，这不适用于图，由于在执行期间未定义值，因此将需要sess.run(epochs)。
再次，为了急切地计算我的梯度，我需要使用某种形式的autograd，在我的情况下为tf.GradientTape()。这与图形不兼容，因为“ tf.GradientTape.gradients（）不支持图形控制流。”
我看到tfe.py_func存在，但是再一次，这仅在未启用渴望时才起作用，因此无济于事。
当渴望和图形的许多方面似乎直接相互冲突时，我该如何制定相同的代码解决方案？