由于我们主要使用TensorFlow进行似然拟合而不是深度学习，因此我们始终将float64用于任何操作。这意味着我们必须为大多数操作明确指定dtype。首先转换为适当的类型。实际上，当TensorFlow缺乏经验的用户实现了一个简单的功能时，例如，我们经常会遇到dtype不兼容的情况。在这里：
sqrt1 = tf.sqrt(5) # dtype error: cannot be integer
，如果它与5（而不是5）一起使用，则sqrt1将为dtype float32，从而导致
x = tf.constant(1., dtype=tf.float64) # defined outside
def foo(x): # implemented by the user
sqrt1 = tf.sqrt(5) * x
foo(x) # raises dtype error, float32 * float64
对于高级用户而言，这很烦人，但是可以小心一点，对于刚接触TensorFlow并打算编写一个小功能的人来说，这是一个真正的选择。
是否有可能以合理的方式将默认dtype更改为tf.float64？可以假设代码中不会使用tf.float32（至少从我们这边来看，TF可能会损坏）。
如果没有，什么是不合理的选择？
-覆盖convert_to_tensor（优先级较高的寄存器）将任何float32自动转换为float64吗？
-包装TF可能需要太多工作
-将即时导入时将tf.float32更改为tf.float64？疯狂但可行吗？
我知道您可以使用Variables进行操作，问题显然是关于Tensors。