TensorFlow2 Python深度学习 - TensorFlow2框架入门 - 立即执行模式（Eager Execution）

锋哥原创的TensorFlow2 Python深度学习视频教程：

https://www.bilibili.com/video/BV1X5xVz6E4w/

课程介绍

本课程主要讲解基于TensorFlow2的Python深度学习知识，包括深度学习概述，TensorFlow2框架入门知识，以及卷积神经网络（CNN），循环神经网络（RNN），生成对抗网络（GAN），模型保存与加载等。

TensorFlow2 Python深度学习 - TensorFlow2框架入门 - 立即执行模式（Eager Execution）

TensorFlow 2.x 引入了 立即执行模式（Eager Execution） ，它使得 TensorFlow 更加直观、易于调试和理解。与 TensorFlow 1.x 中的 图模式（Graph Mode）不同，Eager Execution 使得操作立即执行，无需构建计算图（Graph）和会话（Session）再执行。这种模式使得开发者能够逐步构建和调试模型，而不需要事先定义整个计算过程。

立即执行模式的优点

1. 交互式调试：开发者可以实时查看变量值和操作结果，调试起来更加方便。

2. 直观易懂：操作直接执行，而无需构建和管理计算图。

3. 更加 Pythonic：代码结构与 Python 的常规操作更接近。

立即执行模式的启用

在 TensorFlow 2.x 中，立即执行模式默认是开启的。

示例代码：Eager Execution

下面是一个简单的示例，展示如何在 TensorFlow 2.x 中使用 Eager Execution 来执行操作。

import tensorflow as tf
​
# 检查 Eager Execution 是否启用
print("立即执行模式是否开启:", tf.executing_eagerly())
​
# 创建张量
a = tf.constant(1)
b = tf.constant(2)
​
# 直接执行操作
c = a + b
print("a + b=", c.numpy())
print(c)
# Eager Execution 让我们可以直接执行张量操作，并获取结果

运行结果：

立即执行模式是否开启: True
a + b= 3
tf.Tensor(3, shape=(), dtype=int32)