关于TensorFlow AutoGraph支持print和assert的疑问

一、"AutoGraph支持print和assert"的表述是否正确？ #

这个表述是正确的，两份文档的描述并不矛盾，核心差异在于print的具体处理场景：

• assert的处理：AutoGraph确实会将Python原生的assert语句转换为TensorFlow的tf.Assert图操作，该操作会嵌入到计算图中，在图执行阶段触发检查，和文档描述完全一致。
• print的处理：AutoGraph本身具备将Python的print转换为tf.print（图操作）的能力，此时print会在每次图执行时输出内容；但在@tf.function中直接使用普通print时，默认仅在函数首次追踪（生成图）的阶段执行一次，后续图执行时不会触发——这是因为@tf.function默认不会对所有代码强制触发AutoGraph转换，若要让print被AutoGraph处理，需要确保代码进入AutoGraph的转换逻辑（比如将包含print的代码块放在AutoGraph明确处理的分支中）。《Introduction to graphs and tf.function》文档描述的是未被AutoGraph转换的普通print的行为，而《AutoGraph converts Python into TensorFlow graphs》文档说的是AutoGraph本身具备转换print的能力，二者指向不同场景，不存在冲突。

二、AutoGraph在@tf.function和tf.py_function底层的使用情况 #

• @tf.function：底层确实会使用AutoGraph。当你用@tf.function装饰函数时，TensorFlow会自动调用AutoGraph转换函数中的Python控制流（如if判断、for循环、break/continue语句等），将其转为TensorFlow兼容的图操作，实现函数的图模式执行。
• tf.py_function：底层不会使用AutoGraph。tf.py_function的作用是将普通Python函数封装为TensorFlow图节点，它的执行逻辑是在图运行时调用Python解释器执行原生Python代码，不会对代码进行AutoGraph转换，也不依赖AutoGraph的能力。

内容的提问来源于stack exchange，提问作者mon