一般来说，tensorflow不喜欢使用不同的dtypes进行计算。它通常会抛出警告或错误。
除非你有充分的理由使用float64，否则我建议你坚持使用float32，这是深度学习的标准。

import tensorflow as tf

# when the next line is uncommented, we get an error
tf.config.run_functions_eagerly(True)

@tf.function(input_signature=[tf.TensorSpec(shape=None,dtype=tf.float32)])
def TrySine(dev):
    mytensor = tf.map_fn(fn=lambda t,dev=dev: tf.math.sin(dev*3.14/180.0), elems=tf.ones(shape=(8,),dtype='float32'))
    return mytensor

output = TrySine(dev=5.0)

print(output)

字符串
但是如果你真的想使用float64，你可以确保你的输入常量在这个dtype中：

@tf.function(input_signature=[tf.TensorSpec(shape=None,dtype=tf.float64)])
def TrySine(dev):
    mytensor = tf.map_fn(fn=lambda t,dev=dev: tf.math.sin(dev*3.14/180.0), elems=tf.ones(shape=(8,),dtype='float64'))
    return mytensor

output = TrySine(dev=tf.constant(0.5, dtype=tf.float64))

print(output)

型