作者主页(文火冰糖的硅基工坊)：https://blog.csdn.net/HiWangWenBing
本文网址：https://blog.csdn.net/HiWangWenBing/article/details/119547495
目录
1. 为什么会有这个问题？
深度学习的框架演进是软件演进的正常过程，为什么会有这个疑问呢？选择最新版本不就可以了？
之所以提这个问题，是因为Google Tensorflow演进的过程中，出现的这两个大的版本2.x与1.x，之间有比较大的区别，这个差别甚至超过了Python3.x与Python2.x的区别。
是从使用者的角度来看，这两个版本的差别较大。因此有必要了解一下这两个版本之间的主要异同。
2. 给初学者的提醒
对于初学者，建议选择tensorflow2.x的版本和相关的视频教程。
Tensorflow2.0是在2019年十月发布的，初学者在选择网络视频课程是需要留意，在这个时间点之前的视频教程和书籍，基本都是基于Tensorflow1.0的。
3. Tensorflow的总体架构
相同点和联系：
Tensorflow2.0和1.0都是Google Tensorflow的深度学习框架，是同一个框架的的演进过程。
第3章 Tensorfow2.x与1.x的主要差别
（1）归属软件层次的差异
从软件架构上来看，Tensorfow1.0提供给使用者的接口是底层接口，主要集中在Tensorflow的Python Frontend层和layers，这些层是在TensorFlow底层算法引擎的基础之上，使用Python的封装，这导致1.0的使用比较麻烦，理解难度较大。当然1.0也支持Keras接口，但需要用户自己选择。
而Tenorflow2.x提供给使用者的接口主要在Keras模型之上，Keras对底层的API进行了封装，使用根据的简洁和简单。2.X版本中默认使用keras作为高级API.
该差异是后续差异的背后的根本动因。
（2）角色和立足点的差别
tensorflow1.x像一个平台工具，只是借用了python语言，tensorflow 1.X本身更像是一种描述神经网络模型的语言。也就是说tensorflow是tensorflow为立足了，扩展出了Python的外皮。
Tensorflow2.X版本与Pytorch一样，更像python的一个包，它以Python立足点，扩展除了tensorflow2的深度学习框架的包。
上述立足和立足点的变化，导致了其呈现给用户的接口是大不相同。
（3）学习和理解难度差异
Tenorflow1.x比Tenorflow2.x难度大。
（4）内部的动态与静态结构差异
1.X默认方式是先要定义一个静态结构，然后训练操作流程时独立的。这样运行效率比较高，但是调试起来费劲。最直观的一点，就是一些在函数中预先定义静态结构“彷佛”是不执行的，而写在后面的语句彷佛先执行了一样。
2.X默认采用动态图处理的方式，和python风格更接近（Eager execution）。
（5）基础概念与基础数据结构的差异
1.X版本有很多额外的概念比如，graph，session，run，placeholder，feed_dict这些，这些其实和静态模型构建息息相关。
在2.X版本中不再使用了。
（6）命名空间的差异
1.X中的变量空间和命名空间使得变量管理比较复杂，并大量依赖隐式全局名称空间（这点类似c++），还有一些必须的初始化比如`tf.global_variables_initializer()`， 有类像C++语言的库。
2.X消除了所有这些机制，支持跟踪变量, 才真正像一个Python语言的库。
（7）API管理
1.X中一些API很难找，而且存放位置分类有很多争议。
2.X版本重新归纳整理了API。
参考：
官方学习网站：https://tensorflow.google.cn/learn
作者主页(文火冰糖的硅基工坊)：https://blog.csdn.net/HiWangWenBing
本文网址：https://blog.csdn.net/HiWangWenBing/article/details/119547495
645
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
