TensorFlow Eager Execution入门简介

《TensorFlow Eager Execution入门简介》

简介

TensorFlow Eager Execution(动态图)模式在TensorFlow 1.8版本中开始引入,相比传统的Graph Execution模式有了很大的进步。该模式能够快速调试,使用Python原生控制语句,能够大大降低学习的门槛。作为未来TensorFlow 2.0版本的默认模式,有必要从现在就开始熟悉。本文作为一个入门简介,将简要介绍TensorFlow安装以及如何使用Eager Execution模式。

安装

可以参考之前的一篇文章(Windows + Python + Pycharm + CUDA + Tensorflow (GPU) 安装教程)。

环境配置:

  • Python 3.6版本;
  • 集成开发环境PyCharm(Community版本免费;学生可申请Professional版本的 免费授权);
  • 对于GPU版本还需要安装显卡驱动程序,CUDA,cuDNN。

当前面的环境都配置好了就可以开始安装TensorFlow了。可以使用PyCharm中安装库的方式;最简单的方式是使用pip安装:

安装GPU版本

如果之前已经安装了TensorFlow,想升级的话可以使用PyCharm中升级库的方式,或使用pip升级:

Eager Execution模式编程

TensorFlow 1.8版本只是引入了该模式,并没有作为默认模式。使用的时候需要显示申明:

通过 tf.enable_eager_execution() 启动动态图模式,接着输入以下代码:

结果为:

可以看出使用了动态图编程逻辑非常清晰,与python原生控制是一样的,因此可以很简单的与python进行交互。而静态图很麻烦,必须建立Session运行整个流程。

总结

本文只是作为入门TensorFlow Eager Execution模式的简介,后面还会介绍更多该模式的应用。

点赞

发表评论

电子邮件地址不会被公开。 必填项已用*标注

3 × 3 =