Tensorflow 2.0 Autograph间接修改(隐藏状态)可以工作，但它不应该工作

TensorFlow 2.0 Autograph是TensorFlow的一个功能，它可以将Python函数转换为高性能的TensorFlow图形计算。Autograph使用了一种称为"静态图"的计算模式，这种模式可以提高计算效率并允许在分布式环境中进行优化。

在Autograph中，"间接修改"指的是在函数中修改隐藏状态（例如全局变量）的操作。尽管Autograph可以处理这种情况并生成可工作的图形计算，但这并不是推荐的做法。因为在TensorFlow中，图形计算是在静态图中构建的，而隐藏状态的修改可能会导致计算图的不确定性和不可预测性，从而影响模型的正确性和性能。

推荐的做法是避免在Autograph中进行间接修改，而是使用TensorFlow的机制来管理状态。TensorFlow提供了一系列的变量（Variable）和操作（Operation）来管理模型的状态，例如tf.Variable和tf.assign等。通过使用这些机制，可以确保状态的一致性和可控性。

对于Autograph的应用场景，它适用于需要高性能计算的机器学习和深度学习任务。Autograph可以将Python函数转换为高效的图形计算，从而提高计算速度和效率。它可以用于各种机器学习任务，包括图像分类、目标检测、自然语言处理等。

关于腾讯云相关产品，腾讯云提供了一系列与TensorFlow相关的产品和服务，包括云服务器、GPU实例、容器服务、AI推理服务等。您可以通过腾讯云官方网站（https://cloud.tencent.com/）了解更多关于这些产品的详细信息和使用指南。