在TensorFlow2.0中，“Tensor”（相对于“hazentensor”）有什么用处？

Question

在Tensorflow 2.0中，我们看到的主要“张量”实际上是EagerTensors（tensorflow.python.framework.ops.EagerTensor更准确地说）：

x = [[2.]]
m = tf.matmul(x, x)
type(m)
# returns tensorflow.python.framework.ops.EagerTensor

但是，在某些情况下，我们有符号Tensor对象（tensorflow.python.framework.ops.Tensor），如TF1.X所示。
例如，在keras中：

^{pr2}$

那么，这些符号在Tensorflow中的用法是什么呢

• 在TF库内部：Keras至少使用了这些张量，但是它在其他地方（使用图，比如tf.功能，或tf.data.Dataset)? 在
• 在API中：这些工具的最终用户是否有实际用途？在

Answer 1

In the TF library internals: Keras is at least using these tensors, but is it used at other places (which are using a graph, like tf.function, or tf.data.Dataset)?

嗯，是的。你的直觉是正确的。EagreTensor表示一个张量，该张量的值已在eager模式下计算，而{}表示图中可能尚未计算的张量节点。在

In the API: is there an actual use for end-users of these?

好吧，在某种程度上，我们一直在使用它们。我们创建keras模型，tf.data.Dataset但是，实际上，对于绝大多数用例，我们并不倾向于实例化或直接与Tensor对象本身交互，所以可能只想不必担心对象类型，而将其视为tensorflow内部的实现细节。在