本文主要是介绍02_TensorFlow2 Eager Execution：让AI编程从‘慢条斯理’变‘急不可耐’的神奇魔法！，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
1. Eager execution 的特性
即刻执行（Eager execution）是TensorFlow2.0的新特性，如同python解释器一样，执行即可获得计算结果，不需要手动建立图结构和会话，与python的兼容性更强, 为快速搭建和测试算法模型提供了便利。
2. 特性介绍
tensorflow 2.0 默认是 Eager execution 模式
eager 模式对 numpy 的支持很友好，具体如下：
- numpy 的操作可以接受 Tensor 作为参数
- Tensorflow 的数学操作会将 Python 对象和 Numpy 的 arrays 转换成 Tensor
- tf.Tensor.numpy 方法返回 numpy 的 ndarry
可逐行动态控制流，逐行控制代码的运行
一切皆函数，无须手动搭建 tensorflow 数据结构
3. 相关API
3.1 即刻输出
# 导入Tensorflow
import tensorflow as tf
# 创建张量
scalar_tf = tf.constant(3.14)
# 执行操作
m = tf.add(scalar_tf, scalar_tf)
# 输出操作结果
m
<tf.Tensor: shape=(), dtype=float32, numpy=6.28>
3.2 状态查看和启动
默认情况下，Eager execution处于启用状态，可以用tf.executing_eargerly()查看Eager Execution当前的启动状态，返回True则是开启，False是关闭。可以用tf.compat.v1.enable_eager_execution()启动eager模式。
# 查看Eager Execution当前的启动状态
tf.executing_eagerly()
True
3.4 关闭与启动 eager 模式
关闭 eager 模式的函数是 tf.compat.v1.disable_eager_ececution()
启动 eager 模式的函数是 tf.compat.v1.enable_eager_execution()
# 默认是开启的，先关闭
tf.compat.v1.disable_eager_execution()
# 查看状态
tf.compat.v1.executing_eagerly()
False
# 开启 eager 模式
tf.compat.v1.enable_eager_execution()
# 查看状态
tf.compat.v1.executing_eagerly()
True
这篇关于02_TensorFlow2 Eager Execution：让AI编程从‘慢条斯理’变‘急不可耐’的神奇魔法！的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
