在TensorFlow 2.0中，可以使用tf.function装饰器将Python函数转换为TensorFlow图，以实现部分节点的计算。以下是一个示例：

import tensorflow as tf

@tf.function
def my_function(x):
    # 只有x大于0时才计算y
    if x > 0:
        y = tf.square(x)
    else:
        y = x
    return y

x = tf.constant(-2)
y = my_function(x)
print(y)

在这个示例中，my_function函数只有在x大于0时才计算y的平方，否则直接返回x。

通过将my_function函数使用tf.function装饰器进行转换，可以将其转换为一个TensorFlow图。这样，在调用my_function时，TensorFlow将按照图的方式执行，并且只计算需要的节点。

输出结果将是-2，因为x的值为负数。在这种情况下，y的计算被跳过。

需要注意的是，在使用tf.function装饰器时，需要确保函数内部的代码是可转换为TensorFlow图的。一些Python原生的语法和操作（如循环、条件语句等）可能无法被转换，需要使用TensorFlow提供的等效操作来实现。