Keras和AutoGraph

Question

阅读this和this answer我了解到，对于TensorFlow-2.0上的非动态模型，Keras将使用AutoGraph。但是现在编写回调以获取训练期间变量的历史记录，

class TrainHistory(tf.keras.callbacks.Callback):
    def on_train_begin(self, logs={}):
        self.vars = []

    def on_batch_end(self, batch, logs={}):
        self.vars.append([v.numpy() for v in self.model.variables])

我看到可以使用.numpy()的急张量方法。我期待有一个类似numpy() is only available when eager execution is enabled的错误。将Keras与TensorFlow-2.0结合使用时，是否有一个正在执行的热切代码？

Here提到对于像卷积这样的计算密集型函数，与渴望的代码相比，装饰tf.function的函数的速度没有太大提高，但是从示例中显示的数字来看，我想这是有区别的对于长期培训可能具有重要意义。在用GradientTape装饰的自定义训练函数上使用tf.function代替Keras的fit()方法会更好吗？

Answer 1

如果您打算在外部循环（即“时代”循环）上使用@tf.function，则可能不会给您的模型带来太多好处。这只会使开发更加困难。代码越多，复杂性就越大。

但是，您必须在自定义损失函数和其他每批调用一次的函数上绝对使用tf.function。

而且，不，使用GradientTape -d自定义tf.function可能不会超过keras的fit方法。这些年来，它经过了彻底的测试和完善。

这能回答您的问题吗？