动态图（Eager）和数据集（tf.data）

一 动态图

动态图是相对于静态图而言的。所谓的动态图是指在python中代码被调用后，其操作立即被执行的计算。其与静态图最大的区别是不需要使用session来建立会话了。即在静态图中，需要在会话中调用run方法才可以获得某个张量的具体值：而在动态图中，直接运行就可以得到具体值了。

动态图TensorFlow 1.3版本之后才出现的。它使TensorFlow的入门变得更简单，也使研发更直观。

启动动态图只需要在程序的最开始处加上两行代码：

import tersorflow.contrib.eager as tfe

tfe.enable_eager_execution()

这两行代码的作用就是开启动态图计算功能。例如，调用tf.matmul时，将会立即计算两个数相乘的值，而不是一个op

Eager还处于一个试用阶段，也是TensorFlow大力推广的新特效，未来或许会成为趋势。

在创建动态图的过程中，默认也建立一个session。所有的代码都在该session中进行，而且该session具有进程相同的生命周期。这表明一旦使用动态图就无法实现静态图中关闭session的功能。这是动态图的不足之处：无法实现多session操作。如果当前代码只需要一个session来完成的话，建议优先选择动态图Eager来实现。

二 数据集

TensorFlow中有3中数据输入模式：

• 直接使用feed_dict利用注入模式进行数据输入，适用于少量的数据集输入；
• 使用队列式管道，适用于大量的数据集输入；
• 性能更高的输入管道，使用与TensorFlow 1.4之后的版本，是为动态图功能提供大数据输入方案（动态图数据集输入只能使用该方法），当然也支持静态图。