tensorflow 遇到的坑之 autograph

记录tensorflow中有关autograph的坑

tensorflow 2.0 之前使用session构建计算图，构建过程非常复杂，把 python 变得和 C++ 一样复杂。

tensorflow 2.0 之后引入autograph，只需要在函数声明前加上 tf.function，就可以将我们的函数自动转为计算图。看起来比 session 要更接近 python，但转计算图过程中的错误非常难定位找到原因。

但是不使用计算图，直接运行 python 代码，效率极低。我尝试将 tensorflow 2.0 之前的代码转为 tensorflow2.0之后的版本，起初只是把 session构建的计算图转为了简单的python函数，效率低了十几倍。

下面记录一下，我使用 autograph 遇到的坑。

问题 1

An op outside of the function building code is being passed a “Graph” tensor. It is possible to have Graph tensors leak out of the function building context by including a tf.init_scope in your function building code.

• 发生场景：定义类函数为 autograph，autograph 中使用了类成员，其类型为 python 的 list，并且在 autograph 中该成员被重复赋值。
• 解决办法：使用局部变量的 python list。
• 为什么：autograph 中也有重复赋值的其他类成员，但都是 tensorflow的tensor类型。