传递tensor张量，当dtype、shape不变时，只会第一次触发跟踪

由@tf.function修饰的函数，多次调用该函数，传递不同的tensor张量，当dtype、shape不变时，只会第一次 触发跟踪，并创建图（下面介绍）
执行下面代码：

@tf.function
def f(a):
    print("trace::",a)
    tf.print("a::",a)

1. 测试下面代码：

   # 第一次执行会触发跟踪
   f(tf.constant(1))
   print("="*50)
   # 再次执行，当dtype、shape不变时，不会触发跟踪
   f(tf.constant(2))
   

   执行结果：

   trace:: Tensor("a:0", shape=(), dtype=int32)
   a:: 1
   ==================================================
   a:: 2
   

2. 测试下面代码：

   # 由于dtype是float32，所以会触发跟踪
   f(tf.constant(3.0))
   print("="*50)
   # 由于shape是(1,)，所以会触发跟踪
   f(tf.constant([3.0]))
   

   执行结果：

   trace:: Tensor("a:0", shape=(), dtype=float32)
   a:: 3
   ==================================================
   trace:: Tensor("a:0", shape=(1,), dtype=float32)
   a:: [3]
   

传递tensor张量，当dtype、shape不变时，只会第一次创建图

由@tf.function修饰的函数，多次调用该函数，传递不同的tensor张量，当dtype、shape不变时，只会第一次 创建图

通过get_concrete_function()方式获取创建的图

1. 测试下面代码

   # 第一次会创建图
   print(f.get_concrete_function(tf.constant(1)).graph)
   # 再次调用，由于tensor的dtype和shape不变，所以不会创建图
   print(f.get_concrete_function(tf.constant(2)).graph)
   

   执行结果：

   trace:: Tensor("a:0", shape=(), dtype=int32)
   FuncGraph(name=f, id=5184009104)
   FuncGraph(name=f, id=5184009104)
   

   从id可知，图是相同的

2. 测试下面代码

   # 由于tensor的dtype改变，所以会触发跟踪，并创建图
   print(f.get_concrete_function(tf.constant(3.0)).graph)
   # 由于tensor的shape改变，所以会触发跟踪，并创建图
   print(f.get_concrete_function(tf.constant([4,5])).graph)
   

   执行结果：

   trace:: Tensor("a:0", shape=(), dtype=float32)
   FuncGraph(name=f, id=5183546320)
   trace:: Tensor("a:0", shape=(2,), dtype=int32)
   FuncGraph(name=f, id=5186067216)
   

   从id可知，这是创建2个图

原文出处：/show_1EF5Hngzo3yF.html