当我注意到以下代码有效时，我感到非常惊讶：
a = tf.constant(5) b = a + np.array(25) b.eval() # 30
我原以为这会引发错误 . tensorflow如何处理这种情况？ numpy数组是否作为常量张量添加到图形中，以便所有内容仍然可以在GPU上运行？或者会有一些休息来计算CPU上的东西？
换句话说，用这种方式写它是否有任何缺点，与手工定义适当的tf.constant张量形成鲜明对比？
默认情况下，当您将NumPy数组添加到TensorFlow张量时，TensorFlow会将NumPy数组转换为tf.constant操作，然后将其添加到张量（这同样适用于任何其他Python运算符） . 因此，在这种情况下，实际上有两个节点被添加到图中，一个用于常量数组，另一个用于添加 .
这使得库之间的交互更加无缝，尽管人们应该注意不要用相同数组的许多副本填充图形，特别是如果它很大的话 . 如果您要使用TensorFlow张量多次操作相同的阵列，最好先将其转换为tf.constant，然后根据需要多次使用它 .
1 回答
默认情况下，当您将NumPy数组添加到TensorFlow张量时，TensorFlow会将NumPy数组转换为tf.constant操作，然后将其添加到张量（这同样适用于任何其他Python运算符） . 因此，在这种情况下，实际上有两个节点被添加到图中，一个用于常量数组，另一个用于添加 .
这使得库之间的交互更加无缝，尽管人们应该注意不要用相同数组的许多副本填充图形，特别是如果它很大的话 . 如果您要使用TensorFlow张量多次操作相同的阵列，最好先将其转换为tf.constant，然后根据需要多次使用它 .