參考鏈接：https://blog.csdn.net/jiongnima/article/details/80555387
tf.py_func(
func,
inp,
Tout,
stateful=True,
name=None
)
在使用tf.py_func的過程中，主要核心是使用前三個參數。
第一個參數func，是最重要的，是一個用戶自定義的函數，輸入numpy array, 輸出也是numpy array, 在該函數中，可以自由使用np.操作。
第二個參數inp，是func函數接收的輸入，是一個列表。
第三個參數Tout，指定了func函數返回的numpy array轉化成tensor后的格式，如果是返回多個值，就是一個列表或元組；如果只有一個返回值，就是一個單獨的dtype類型（當然也可以用列表括起來）
最后來看看tf.py_func的輸出：
Returns:
A list of Tensor or a single Tensor which func computes.
輸出是一個tensor(張量)列表或單個tensor。
到這里，tf.py_func的原理也就逐漸明晰了。首先，tf.py_func接收的是tensor（張量），然后將其轉化為numpy array送入func（就是自定義的那條函數），最后再將func函數輸出的Numpy array轉化為tensor返回。
在使用過程中，有兩個需要注意的地方，第一就是func函數的返回值類型一定要和Tout指定的tensor類型一致。第二就是，如下圖所示，tf.py_func()中的func是脫離Graph的。在func中不能定義可訓練的參數參與網絡訓練（反傳）。
