TensorFlow中图执行与即时执行的测试适配问题

没问题！我帮你把基于Graph与Session的TensorFlow测试用例转换成Eager Mode版本，同时附上原代码对比和关键差异说明，方便你快速验证功能：

import numpy as np
import tensorflow as tf

def test_normal_execution():
    matrix_2x4 = np.array([[1, 2, 3, 4], [6, 7, 8, 9]])
    dataset = tf.data.Dataset.from_tensor_slices(matrix_2x4)
    iterator = dataset.make_one_shot_iterator()
    first_elem = iterator.get_next()
    
    with tf.Session() as sess:
        result = sess.run(first_elem)
        assert (result == [1, 2, 3, 4]).all()
        sess.close()

import numpy as np
import tensorflow as tf

# TensorFlow 2.x 默认启用Eager Mode，若使用TF1.x需手动开启：tf.enable_eager_execution()

def test_normal_execution_eager():
    matrix_2x4 = np.array([[1, 2, 3, 4], [6, 7, 8, 9]])
    dataset = tf.data.Dataset.from_tensor_slices(matrix_2x4)
    
    # Eager模式下直接通过迭代器获取元素，无需创建Session
    first_elem = next(iter(dataset))
    
    # 调用.numpy()将Tensor转为numpy数组后断言（也可直接对比Tensor与数组，TF会自动转换）
    assert (first_elem.numpy() == [1, 2, 3, 4]).all()

• 无需Session管理：Eager Mode默认即时执行，不用手动创建tf.Session()，也不需要sess.run()来触发计算
• 简化数据集迭代：直接通过iter(dataset)获取迭代器，用next()取元素，或者直接用for elem in dataset:遍历，省去了make_one_shot_iterator()的步骤
• 直观的结果操作：Eager模式下Tensor对象可以直接调用.numpy()转为numpy数组，断言逻辑和原代码保持一致，更符合Python原生编程习惯

内容的提问来源于stack exchange，提问作者3voC