Tensorflow1.0 和 Tensorflow2.0之间的区别

对于Tensorflow1.0，

step 01 ：准备输入数据

step 02：定义输入PlaceHolder

step 03：搭建模型

step 04：定义损失函数及优化器

step 05：初始化所有变量

step 06：创建会话session

step 07：传参计算session.run()

对于Tensorflow 2.0，

step 01 ：准备输入数据

step 02：定义输入PlaceHolder

step 03：搭建模型

step 04：定义损失函数及优化器

step 05：初始化所有变量

step 06：创建会话session

step 07：传参计算model()

二、TensorFlow 2.0 相比于TensorFlow 1.0 的其他区别

TensorFlow 2.0 动态图机制默认开启，方便开发者调试。
TensorFlow 1.0 默认是静态图，需要手动开启动态图。
tf.keras模块上的区别：Keras是对TensorFlow的更高一层封装，简化了TensorFlow的使用。TensorFlow 2.0中搭建网络，官方推荐使用Keras提供的方法。有两种搭建风格：Keras Function API (tf1中搭建模型的风格）和 Model Subclassing API（类似于Pytorch中搭建模型的风格）。TensorFlow 2.0 删除了重复、废弃的API。而在TensorFlow 1.0，同一个功能可以找到多个API实现，会给开发者造成疑惑。3.在TensorFlow 2.0 中使用 @tf.function 装饰器，构造高效的Python代码。

TensorFlow 1.0 默认是静态图，需要手动开启动态图。

Keras是对TensorFlow的更高一层封装，简化了TensorFlow的使用。

TensorFlow 2.0中搭建网络，官方推荐使用Keras提供的方法。有两种搭建风格：Keras Function API (tf1中搭建模型的风格）和 Model Subclassing API（类似于Pytorch中搭建模型的风格）

TensorFlow 2.0 删除了重复、废弃的API。而在TensorFlow 1.0，同一个功能可以找到多个API实现，会给开发者造成疑惑。

3.在TensorFlow 2.0 中使用 @tf.function 装饰器，构造高效的Python代码

借鉴：