TLDR: 是否使用
tf.function取决于您的功能及其是否在生产或开发中。如果想轻松调试函数，或者它属于AutoGraph或tf.v1代码兼容性的限制范围内，则不要使用
tf.function。强烈建议观看有关
AutoGraph和
Functions, not Sessions 的Inside TensorFlow讲座。
以下我将阐述原因，这些原因均来自Google在网上公布的信息。
通常，使用
tf.function装饰器会导致函数被编译为可执行TensorFlow图形的可调用对象。这需要：
- 通过AutoGraph进行代码转换（包括从已注释函数调用的任何函数）
- 跟踪并执行生成的图形代码
此处提供了关于设计思路的详细信息。
使用tf.function修饰函数的好处
一般好处
- 更快的执行速度，特别是对于由许多小操作组成的函数(来源)
对于包含Python代码的函数/使用AutoGraph通过tf.function装饰
如果要使用AutoGraph，则强烈建议使用tf.function而不是直接调用AutoGraph。原因包括：自动控制依赖关系、某些API需要它、更多缓存和异常帮助器(来源)。
使用tf.function修饰函数的缺点
一般缺点
- 如果函数只包含少量昂贵的操作，那么不会有太大的加速效果(来源)
对于包含Python代码的函数/使用AutoGraph通过tf.function装饰
- 没有异常捕获（应在急切模式下完成；在修饰函数之外）(来源)
- 调试更加困难
- 由于隐藏的副作用和TF控制流而受到限制
AutoGraph限制的详细信息在此处可用。
对于使用tf.v1代码的函数
- 不允许在
tf.function中多次创建变量，但随着tf.v1代码的逐步淘汰，这可能会发生改变 (来源)
对于使用tf.v2代码的函数
限制示例
多次创建变量
不允许多次创建变量，例如以下示例中的v：
@tf.function
def f(x):
v = tf.Variable(1)
return tf.add(x, v)
f(tf.constant(2))
# => ValueError: tf.function-decorated function tried to create variables on non-first call.
在以下代码中，可以通过确保只创建一次
self.v来缓解这个问题：
class C(object):
def __init__(self):
self.v = None
@tf.function
def f(self, x):
if self.v is None:
self.v = tf.Variable(1)
return tf.add(x, self.v)
c = C()
print(c.f(tf.constant(2)))
AutoGraph无法捕获的隐藏副作用
在这个例子中对于self.a的更改是无法隐藏的，因为跨函数分析还没有完成（参见来源），从而导致错误。
class C(object):
def change_state(self):
self.a += 1
@tf.function
def f(self):
self.a = tf.constant(0)
if tf.constant(True):
self.change_state()
tf.print(self.a)
x = C()
x.f()
明显的变化不是问题：
class C(object):
@tf.function
def f(self):
self.a = tf.constant(0)
if tf.constant(True):
self.a += 1
tf.print(self.a)
x = C()
x.f()
TF控制流限制示例
由于需要为TF控制流定义else的值，因此此if语句会导致错误：
@tf.function
def f(a, b):
if tf.greater(a, b):
return tf.constant(1)
x = f(tf.constant(3), tf.constant(2))
tensorflow0.1、tensorflow0.2、tensorflow0.3、tensorflow0.4、tensorflow0.5等标签，以及每个 这些tf模块和类 的标签。此外，为什么不为 Python 的标准模块及其函数和类添加标签呢？ - ForceBrutf.function指南中提到：“装饰模块级函数和模块级类的方法，并避免装饰局部函数或方法”。我记得有更明确的措辞，比如“不要装饰每个函数，在高级函数（如训练循环）中使用tf.function”，但我可能记错了（或者可能已经被删除）。另一方面，这个讨论有开发人员的有趣输入，最终似乎可以在任何张量/变量的函数中使用它。 - jdehesa@tf.function注释的函数也会将它们自己调用的函数编译成图形。因此，您只需要注释与您描述的一致的模块入口点即可。但是，手动注释调用堆栈较低的函数也不会有任何损失。 - problemofficer - n.f. Monicatf.function被多次调用，则无法防止图形中的“代码重复”，这就是为什么广泛使用似乎是可取的原因。 - jdehesa