Tensorflow 的动态机制Eager Execution

从tensorflow的1.5版起，tensorflow也开始启用动态机制Eager Execution了，它支持大部分tensorflow运作和gpu加速

Eager Execution是一个很灵活的机器学习平台，可以提供给（An intuitive interface，Easier debugging，Natural control flow）

下面几行代码可以很容易的帮我们入门使用Eager Execution，使用Eager Execution可以很及时的返回运算结果：

>>> import tensorflow as tf

>>> import tensorflow.contrib.eager as tfe

>>> tfe.enable_eager_execution()

>>> x = [[2.]]

>>> m = tf.matmul(x, x)

>>> print(m)

tf.Tensor([[ 4.]], shape=(1, 1), dtype=float32)

而以往不使用Eager Execution的结果便是：

>>> x = [[2.]]

>>> m = tf.matmul(x, x)

>>> print(m)

Tensor("MatMul:0", shape=(1, 1), dtype=float32)

需要在一个session里运行：

>>> import tensorflow as tf

>>> x = [[2.]]

>>> m = tf.matmul(x, x)

>>> print(m)

Tensor("MatMul:0", shape=(1, 1), dtype=float32)

>>> sess=tf.Session()

>>> print(sess.run(m))

[[ 4.]]

>>> import tensorflow as tf

>>> x = [[2.]]

>>> m = tf.matmul(x, x)

>>> print(m)

Tensor("MatMul:0", shape=(1, 1), dtype=float32)

>>> sess=tf.Session()

>>> print(sess.run(m))

[[ 4.]]

简单的 Eager Execution初步尝试