TensorFlow 1.X和2.X版本的区别与判断

Stks66666

于 2023-12-16 19:24:09 发布

阅读量241

点赞数

文章标签： tensorflow 人工智能 python

本文链接：https://blog.csdn.net/Stks66666/article/details/135036506

版权

Eager Execution（即时执行）：TensorFlow 2.x 默认启用 Eager Execution，这意味着你可以像使用 NumPy 一样立即执行操作，无需构建计算图。这种方式更直观和易于调试，也减少了许多样板代码。
API 简化：TensorFlow 1.x 中存在多个不同的 API 来定义模型，如 tf.layers、tf.contrib.layers、tf.estimator 等。而 TensorFlow 2.x 引入了 tf.keras 高级 API，它提供了更简洁、一致的接口来定义模型，使得代码更易读、易用。
默认的模型保存和加载方式：TensorFlow 2.x 使用 tf.keras.models.save_model() 和 tf.keras.models.load_model() 来保存和加载模型。这种方式更加直观和方便，不再需要手动保存和加载变量。
动态图与静态图：TensorFlow 1.x 使用静态图（Static Graph）的方式，需要先构建计算图然后执行。而 TensorFlow 2.x 的 Eager Execution 支持动态图（Dynamic Graph），可以直接在运行时执行操作，更加灵活。
移除一些不推荐的功能和模块：TensorFlow 2.x 移除了一些不再推荐使用的功能和模块，如 tf.contrib、tf.flags、tf.app 等。这样可以使框架更加精简和易于维护。
TensorFlow 2.x 与 Keras 的集成：TensorFlow 2.x 将 Ke

关注