python - Tensorflow 2.0 中的 tf.function 如何优化 tf.data.Dataset 的使用？

Question

Tensorflow 2.0的官方文档tf.data.Dataset建议与tf.function.

这种用途有两个例子：

• 使用 aDataset作为 a 的参数，tf.function如下所述：

@tf.function
def train(model, dataset, optimizer):
  for x, y in dataset:
      ....

• Dataset在tf.function正文中创建本地，如下所述：

@tf.function
def train(model, optimizer):
  train_ds = mnist_dataset()
  ...

最后，签名文档指出对 a 的迭代Dataset是由 优化的tf.function。 这个 SO 答案确实表明，使用 aDataset作为tf.function提高性能的参数。

那么，如何tf.data.Dataset从中受益tf.function，以及如何解释这个 SO 答案的加速：

• “for循环优化”如何自行创造加速？
• 示踪剂如何Dataset处理对象。tf.function就像在参数中或作为局部变量示例一样，我们如何Dataset在 a 中使用tf.function，即使tf.function文档建议原始函数应该只接受Tensor？
• 子图之间是否存在某种通信/共享Dataset（然后可以在tf.function子图中使用），或者两者是完全分离的（意味着Dataset仅用作来自 的黑盒迭代器tf.function）？

标签： pythontensorflowtensorflow-datasetstensorflow2.0