Question

我已经开始使用TensorFlow 2.0，并且在一个方面存在一些不确定性。

假设我有这种用例：在使用tf.data.Dataset提取数据时，我想对某些图像应用一些特定的增强操作。但是，我正在使用的外部库要求，图像是一个numpy数组，而不是张量。

使用tf.data.Dataset.from_tensor_slices()时，流数据必须为Tensor类型。具体示例：

def my_function(tensor_image):
   print(tensor_image.numpy()
   return


data = tf.data.Dataset.from_tensor_slices(tensor_images).map(my_function)

上面的代码无法产生

“张量”对象没有属性“ numpy”错误。

我已阅读TensorFlow 2.0的文档，指出如果要使用任意python逻辑，则应根据以下条件使用tf.py_function 或仅使用TensorFlow原语： How to convert "tensor" to "numpy" array in tensorflow?

我的问题是以下：是否还有另一种方法可以在具有自定义装饰器的函数中使用任意python代码/比使用tf.py_function更简单的方法？

老实说，似乎必须有一种比传递给tf.py_function，转换为numpy数组，执行操作A，B，C，D然后再转换为张量并产生结果。

Answer 1

没有其他方法可以这样做，因为tf.data.Dataset仍以图形方式执行（出于性能原因，我一直认为它们总是如此），因此，您不能在tf.*方法，可以通过TensorFlow轻松地转换为其图形表示形式。

使用tf.py_function是混合使用tf.data.Dataset对象的Python执行（因此，您可以使用任何Python库）和图形执行的唯一方法（与使用TensorFlow时相反） 2.0，默认情况下急切就可以自然地执行混合执行。