Tensorflow1.x与Tensorflow2.0

TensorFlow 1.x主要是用于处理静态计算图的框架。计算图中的节点是Tensors，当图形运行时，它将保持n维数组;图中的边表示在运行图以实际执行有用计算时将在张量上运行的函数。

在Tensorflow 2.0之前，我们必须将图表分为两个阶段：

1. 构建一个描述您要执行的计算的计算图。这个阶段实际上不执行任何计算;它只是建立了计算的符号表示。该阶段通常将定义一个或多个表示计算图输入的“占位符”（placeholder）对象。
2. 多次运行计算图。 每次运行图形时（例如，对于一个梯度下降步骤），您将指定要计算的图形的哪些部分，并传递一个“feed_dict”字典，该字典将给出具体值为图中的任何“占位符”。

Tensorflow 2.0，我们可以简单地采用"更像python"的功能形式，与PyTorch和Numpy操作直接相似。 而不是带有计算图的2步范例，使其（除其他事项外）更容易调试TF代码。 您可以在https://www.tensorflow.org/guide/eager上阅读更多详细信息。

TF 1.x和2.0方法的主要区别在于2.0方法不使用tf.Session，tf.run，placeholder，feed_dict。 要了解两个版本之间的不同之处以及如何在两者之间进行转换的更多详细信息，请查看官方迁移指南：https：//www.tensorflow.org/alpha/guide/migration_guide

tensorflow1.x和tensorflow2.0两个版本的函数对比表

https://docs.google.com/spreadsheets/d/1FLFJLzg7WNP6JHODX5q8BDgptKafq_slHpnHVbJIteQ/edit#gid=0 下面图片为部分截图