tensorflow 1.1x 和 tensorflow2.x 中的api总结

tensorflow2 发布以后，动态图和eager execution成为默认模式。同时api和命令都有了非常大的精简，tensorflow 1.1x的api混乱程度令人发指，如果tf不是谷歌出的，按照这种混乱度绝对成不了主流。

尽管很多tensorflow 2 已经发布了很久，但是由于一些历史问题 1.1x 版本仍然有很多人在学习。

如果不得不学习 tf 1.x , 这里结合两个版本的api，进行一个梳理，标注出一些 tf 2.x 已经被废弃或者不被建议使用的api，这类api在学习tensorflow 1 的时候尽量避开，以减少后面学习 tf 2 的时候的成本。

tensorflow 1.1x 

下面这张图是tf 1.1x 的api结构图。其中execution engine，以及下面的底层模块不需要关心。

低阶：python和tensorflow的各种基础用法，例如get_variable，constant等，以及其他语言的各种api组成tensorflow的低阶api

所有的内容都需要学。

中阶：中阶api 中的Dataset 是强烈建议学习的模块。在tensorflow 1.12 以后，tf.layers 模块已经和 tf.keras.layers 模块高度趋同，tf.layers 几乎只剩下一层马甲。例如，tf.layers.Conv2D

@tf_export('layers.Conv2D')
class Conv2D(keras_layers.Conv2D, base.Layer):

再例如：tf.layers.Dense

@tf_export('layers.Dense')
class Dense(keras_layers.Dense, base.Layer):

所以在tf 2.0 中 tf.layers 已经被废弃，只剩下 tf.keras.layers。

Dataset ：强烈建议学

tf.layers：不建议学

tf.keras.layers：强烈建议学

高阶：高阶api 包括 estimator 和 keras model。

estimator 是模仿sklearn 创造的出来的一个api，在tensorflow 2.0 中并没有被废弃，但是并不是tensorflow首推的api。keras model 是 tensorflow 2.0 中首推的高阶api。

estimator：建议熟练掌握keras model以后再学

keras model：强烈建议

tensorflow 2.x 

tensorflow 2.x 的层次结构如下

如果直接学tensorflow 2.x 就按照上面这幅图就可以，如果学tensorflow 1.x，那就按照我给的建议，学会以后将来迁移到 tf2 会有最小的成本。

其他：

tensorflow 其他模块也有很多精简，例如 tf 1.x 中的 tf.train.optimizer ，全部迁移到 tf.keras.optimizer、删除了variable_scope 的概念等等。