我注意到preprocess_input中的一些奇怪行为，这个函数用于对图像进行预处理，以正确地对您正在使用的特定预训练网络的值进行归一化。经过几个小时的调试，似乎当将Tensor用作输入时，输入Tensor未被修改，并且它将处理后的输入作为新Tensor返回：

tensor = tf.ones(3)*100
print(tensor)
tensor2 = tf.keras.applications.mobilenet_v2.preprocess_input (tensor)
print(tensor)
print(tensor2)

返回

tf.Tensor([100. 100. 100.], shape=(3,), dtype=float32)
tf.Tensor([100. 100. 100.], shape=(3,), dtype=float32)
tf.Tensor([-0.21568626 -0.21568626 -0.21568626], shape=(3,), dtype=float32)

然而，当执行完全相同的操作，但使用numpy数组作为输入时，除了将处理后的版本作为新数组返回之外，* 原始数组将被更改为与新数组相同 *：

array = np.ones(3)*100
print(array)
array2 = tf.keras.applications.mobilenet_v2.preprocess_input (array)
print(array)
print(array2)
array+=1
print(array)
print(array2)

返回

[100. 100. 100.]
[-0.21568627 -0.21568627 -0.21568627]       # <== input has changed!!!
[-0.21568627 -0.21568627 -0.21568627]
[0.78431373 0.78431373 0.78431373]
[0.78431373 0.78431373 0.78431373]          # <== further changes to input change output

三个问题：
1.为什么行为不一致？
1.为什么认为改变原有的阵列是有益的？
1.为什么preprocess_input既返回新值，又就地修改-通常不是两者之一吗？两者都做会让人困惑......