tensorflow: 为什么 tensor型参数 可以接受 非tensor型输入

问题

在日常用 tensorflow 进行编程的时候，我经常会纳罕一个问题：

明明 manual里面 白纸黑字地注明了 某个参数项 的 输入 必须是 tensor型，可是 非tensor型 的数据 输入后 却不会报错，依然能正常算出结果。

---

示例

比如，合法的输入应该如下：

import tensorflow as tfa = tf.constant(10)b = tf.constant(20)c = tf.multiply(a, b)sess = tf.InteractiveSession()print c.eval()

打印结果：

200

但是如果你这么玩：

import tensorflow as tfa = 10b = 20c = tf.multiply(a, b)sess = tf.InteractiveSession()print c.eval()

照样打印出一样的结果来：

200

但是 manual 里面已经写明了 tf.multiply函数 的 参数项输入 必须要是 tensor型 的：

具体见 Args 一栏：

---

原因

仔细查看 tensorflow 官网 的 api manual，页首经常会有这个 提示 ：

通过查看源码，我发现凡是注明了

Note: Functions taking Tensor arguments can also take anything accepted by tf.convert_to_tensor.

这句话的，此类接口在源码中，都有对 input 先进行 tf.convert_to_tensor 的 预处理 。所以当 非tensor型 数据 输入时，当然就 不会报错 啦～

---

---