Tensorflow基础（1）---Tensorflow2.0特性

**

谷歌公司对Tensorflow的定义：

**

An end-to-end open source machine learning platform。
一个端到端的开源机器学习平台

1.发展历程

1. 2011： DistBelief

2. 2015.11：TensorFlow 0.5.0

3. 2017.2：TensorFlow 1.0

   ·高层API，将Keras库整合进其中
   ·Eager Execution（动态图机制）、TensorFlow Lite（面向移动终端）、TensorFlow.js（面向网页前端）
   ·AutoGraph （自动将python转换成计算图）
   

   

4. 2019：TensorFlow 2.0

2.TensorFlow 2.0的新特性

• ·TensorFlow1.x——延迟执行机制（deferred execution）
  
• ·TensorFlow2.0——动态图机制（Eager execution）

a=tf.constant(2,name="input_a")
b=tf.constant(3,name="input_b")
print(a+b)

·无需首先创建静态图，可以立刻执行计算，并返回结果
·能够快速的建立和调试模型
·执行效率不高

可以在程序调试阶段使用动态图，快速建立模型、调试程序；在部署阶段，采用静态图机制，从而提高模型的性能和部署能力。

• TensorFlow1.x——重复、冗余的API
  ·构建神经网络：tf.slim，tf.layers，tf.contrib.layers，tf.keras
  ·混乱，不利于程序共享，维护的成本高
• TensorFlow2.0——清理/整合API
  ·清理、整合了重复的APl
  ·将tf.keras作为构建和训练模型的标准高级API

3.总结

TensorFlow框架特性

多种环境支持
.可运行于移动设备、个人计算机、服务器、集群等
·云端、本地、浏览器、移动设备、嵌入式设备

支持分布式模式
·TensorFlow会自动检测GPU和CPU，并充分利用它们并行、分布的执行

简洁高效
·构建、训练、迭代模型：Eager Execution，Keras
部署阶段：转化为静态图，提高执行效率

社区支持

	ps：学习视频链接https://www.icourse163.org/learn/XUST-1206363802?tid=1206674203#/learn/content?type=detail&id=1221759998&cid=1235462253