Tensorflow2.x的记录

一、keras与eager执行模式

eager执行模式可以仅仅通过组装层就可以定义、训练并评估模型

二、Eager模式

在tf2.x中，默认执行的是eager模式
1.eager模式返回的是tf.Tensorf对象，而静态图模式执行回话后，返回的是Numpy数组对象
2.在eager模式中，print返回的tf.Tensor对象与静态图的区别：
静态图返回例子的是:

1. tf.GradientTape()自动微分运算

2. 自定义训练循环train()

定制train_step函数用在训练循环中:

def train(num_classes, batch_size):
    """
    定制 训练循环
    :param num_classes:
    :return:
    """
    # 加载模型
    net = AlexNet(num_classes)
    net.build((4,224,224,3))
    # 构建数据集
    dataset = make_dataset(10, 5, 4)
    # 损失函数
    # loss = tf.losses.CategoricalCrossentropy(from_logits=False)     #标签是one-hot形式
    loss = tf.losses.SparseCategoricalCrossentropy(from_logits=False) #标签不是one-hot形式
    # 优化器
    optimizer = tf.optimizers.Adam()

    # 配置
    step = tf.Variable(1, dtype=tf.int32, name="global_step")
    accuracy = tf.metrics.Accuracy()

    mean_loss = tf.metric