为什么要使用 tf.py func

tf.py_func() 运算符使你可以在 TensorFlow 图的中间运行任意 Python 代码。包装自定义 NumPy 运算符特别方便,因为没有等效的 TensorFlow 运算符(尚未存在)。添加 tf.py_func() 是在图形中使用 sess.run() 调用的替代方法。

另一种方法是将图形分为两部分:

# Part 1 of the graph
inputs = ...  # in the TF graph

# Get the numpy array and apply func
val = sess.run(inputs)  # get the value of inputs
output_val = func(val)  # numpy array

# Part 2 of the graph
output = tf.placeholder(tf.float32, shape=...)
train_op = ...

# We feed the output_val to the tensor output
sess.run(train_op, feed_dict={output: output_val})

使用 tf.py_func,这更容易:

# Part 1 of the graph
inputs = ...

# call to tf.py_func
output = tf.py_func(func, [inputs], [tf.float32])[0]

# Part 2 of the graph
train_op = ...

# Only one call to sess.run, no need of a intermediate placeholder
sess.run(train_op)