tensorflow学习笔记： 1.X 和2.X版本的差异

最新推荐文章于 2025-10-14 21:12:58 发布
原创 最新推荐文章于 2025-10-14 21:12:58 发布 · 8k 阅读 · 6 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#tensorflow

本文介绍了TensorFlow从1.x到2.0的主要变化，包括API清理、Eager Execution的引入、全局变量的消除以及功能化会话执行。TensorFlow 2.0移除了冗余API，提供了更直接的执行方式，使得模型开发更加高效和直观。

      近日电脑环境出了点问题，整个重装后tensorflow更新到2.0版本。结果运行以往的程序是抛出了很多bug，走了很多路也踩过很多坑。且行且调试吧。。。

       TensorFlow具有多种语言可用的API，可用于构建和执行TensorFlow图。Python API目前是最完整和最容易使用的，但是其他语言API可能更易于集成到项目中，并且可能在图形执行方面提供一些性能优势。

TensorFlow 2

       TensorFlow 2.0中进行了多项更改，以使TensorFlow用户更加高效。TensorFlow 2.0删除了 冗余API，使API更加一致（统一RNN， 统一优化器），并通过Eager执行更好地与Python运行时集成 。

最低0.47元/天 解锁文章
tensorflow2.x学习笔记十：使用tf.function(Autograph)提高代码性能(含函数签名的使用)
耐心的小黑的博客
04-01 2307
一、基本概念        AutoGraph是TF提供的一个非常具有前景的工具, 它能够将一部分python语法的代码转译成高效的图表示代码. 由于从TF 2.0开始, TF将会默认使用动态图(eager execution), 因此利用AutoGraph, 在理想情况下, 能让我们实现用动态图写(方便, 灵活), 用静态图跑...
人工智能实践：Tensorflow2.0笔记 北京大学MOOC（2-1）
qq_44001283的博客
08-20 1446
系列内容整理自中国大学MOOC “北京大学-人工智能实践:Tensorflow笔记” 课程。本讲目标：学会神经网络优化过程，使用正则化减少过拟合，使用优化器更新网络参数。本节内容：本节将在上一讲的基础上进一步讨论神经网络复杂度、学习率策略、激活函数、损失函数等概念。
Tensorflow1.与2.0区别.zip
12-03
整理了一个表格，1与2版本的区别，一些库的使用改变，以及代码的规范。资源来自于官方发布，个人整理后，以供大家学习交流。
TensorFlow2.0与1.0版本的区别
lymake的博客
04-21 1693
而TensorFlow 1.0默认构建静态计算图,需要在会话中运行才能得到运算结果。6. Keras Model.fit统一接口TensorFlow 2.0中的model.fit()提供了统一的训练接口,使模型训练简单易用。TensorFlow 1.0的训练过程相对复杂,需要定义训练运算、迭代变量、启动会话等步骤。你可以用极少的代码构建复杂的神经网络模型。TensorFlow 2.0中的变量在定义时自动初始化,无需运行初始化操作。而在TensorFlow 1.0中,你需要定义变量初始化操作并在会话中运行。
TensorFlow2.x与1.x版本差异解析及迁移指南
最新发布
ynwxyuan的专栏
10-14 602
1.x 版本的训练循环通常需要手动创建 `tf.Session`，初始化变量，并使用 `session.run` 来执行优化操作。2.x 提供了两种主要方式：对于简单场景，可以使用 `model.compile` 和 `model.fit` 进行快速开发，这与 Keras 的使用习惯完全一致；对于需要更精细控制的复杂场景，则可以编写自定义训练循环，使用 GradientTape 来显式记录梯度计算过程，然后应用优化器。这种方式提供了极大的灵活性，同时代码依然简洁易懂。
tensorflow版本的一些区别
luxiaohai学习专栏
12-16 5391
1.变量初始化函数： if tensorflow.__version__ sess.run(tf.initialize_all_variables()) else: sess.run(tf.global_variables_initializer()) 2. 写日志函数； if tensorflow.__version__ logsWriter = tf.train.
【Tensorflow1.0 和 Tensorflow2.0】—— 区别
qq_44886213的博客
03-24 7632
一、搭建深度学习模型的区别（背过！！！） 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，...
tensorflow 2与1版本不同之处
haodawei123的博客
02-28 2082
tensorflow1的代码与2有很大区别，2编译1会出错，用下面的对照表修改即可 https://docs.google.com/spreadsheets/d/1FLFJLzg7WNP6JHODX5q8BDgptKafq_slHpnHVbJIteQ/edit#gid=0
TensorFlow2.0学习笔记-6.深度神经网络
ruoqi23的博客
08-06 1649
6.深度神经网络 6.1.卷积神经网络简介 在CNN出现之前，图像对于人工智能来说是一个难题，有2个原因： •图像需要处理的数据量太大，导致成本很高，效率很低 •图像在数字化的过程中很难保留原有的特征，导致图像处理的准确率不高 需要处理的数据量太大： 现在随随便便一张图片都是1000×1000像素以上的， 每个像素都有RGB 3个参数来表示颜色信息。 假如我们处理一张1000×1000像素的图片，我们就需要处理3百万个参数！ 1000×1000×3=3,000,000 这么大量...
tensorflow学习笔记之简单的神经网络训练和测试
09-20
在TensorFlow学习中，构建和训练简单的神经网络是入门的基础。本篇笔记将详细讲解如何使用TensorFlow创建一个基础的神经网络模型，并通过MNIST数据集进行训练和测试。 首先，神经网络由输入层、隐藏层和输出层组成...
Tensorflow1.x与Tensorflow2.0的区别
热门推荐
qq_44776899的博客
05-08 3万+
来源：斯坦福大学cs231n Historical background on TensorFlow 1.x TF1.x的历史背景 TensorFlow 1.x is primarily a framework for working with static computational graphs. Nodes in the computational graph are Tensors whi...
tensorflow v1.x 和v2.x之间的差别
Airstudy的博客
04-18 643
随着TensorFlow的版本升级，版本相关的各种各样问题还是不断出现，之前写过一个关于应对升级问题的文章TensorFlow版本迁移问题，发现在具体操作的时候还是会出现文章不能cover的问题。 以下是解决部分tf接口的常见方法，供参考~ # 对于顶层的一些接口，比如placeholder，truncated_normal，get_variable等使用如下方法 tf.random_uniform ===> tf.randomz tf.placeholder ===> tf.c
tensorflow 1.X版本 与2.X版本的区别 sparse_categorical_crossentropy损失函数踩雷
weixin_43955530的博客
03-02 1289
卷积神经网络 2.X版本的tensorflow是有Input层的 # Create the Student Model student = keras.Sequential( [ keras.Input(shape=(28,28,1)), layers.Conv2D(16,(3,3),strides = (2,2),padding = "same"), layers.LeakyReLU(alpha=0.2),
刚开始介绍的是Tensorflow1.13.1版本，后来介绍的是2.0.0和2.1.0版本（附3个版本的代码）
Gfqwy2021
04-24 2762
TensorFlow = Tensor + Flow（张量+流） 在TensorFlow中，所有的数据都通过张量的形式来表示； 张量并没有真正保存数字，它保存的是计算过程 张量的阶（rank）表示的是：张量的维度 从功能的角度，张量可以简单理解为多维数组 零阶张量表示标量（scalar），也就是一个数； 一阶张量为向量（vector），也就是一维数组； n阶张量可以理解为一个n维数组； 三个术语...
Tensorflow1.0 和 Tensorflow2.0之间的区别
ZhiYilang的博客
12-11 1240
TensorFlow 1.0 默认是静态图，需要手动开启动态图。step 07：传参计算session.run()step 02：定义输入PlaceHolder。step 02：定义输入PlaceHolder。step 06：创建会话session。step 06：创建会话session。step 04：定义损失函数及优化器。step 04：定义损失函数及优化器。step 01 ：准备输入数据。step 01 ：准备输入数据。step 03：搭建模型。step 03：搭建模型。
Tensorflow2版本对于Tensorflow1版本的部分变化
weixin_46824122的博客
04-09 1375
Tensorflow2版本相对于1版本做了很大的改进，更加方便了用户开发深度学习神经网路模型。 一些代码改进： ①tf.train.GradientDescentOptimizer()改成tf.compat.v1.train.GradientDescentOptimizer() ②tf.random_uniform改成tf.random.uniform ③tf.global_variables_i...
关于Tensorflow 1.X和2.X匹配的相关问题综合记录
weixin_51362519的博客
06-03 683
首先大家要清楚一个大环境就是在未来我们更换新设备之后，tensorflow 1.X系列以及逐渐不适用了，目前大部分家用主流机器都使用的是NVIDIA GEFORCE（主攻家用游戏市场）的30系列显卡，而Tensorflow1.X系列所提供的服务止步于最高支持20系列显卡的CUDA 10.0 （大家可以把10.1看做过渡版本） ......
TensorFlow1和TensorFlow2介绍
m0_73426548的博客
09-03 1183
上图中是一个SGD的训练图，从下往上看，先输入数据，然后对这个数据标记和整理形状，在对数据进行一系列的数学操作，然后计算损失和更新参数。（1）构建一个计算图。图中的节点可以是TensorFlow支持的任何数学操作。（2）初始化变量。将前期定义的变量赋初值。（3）创建一个会话。这才是图计算开始的地方，也是体现它“惰性”的地方，也就是说，仅仅构建一个图，这些图不会自动执行计算操作，而是还要显式提交到一个会话去执行，也就是说，它的执行，是滞后的。（4）在会话中运行图的计算。
【TensorFlow2.0】TensorFlow2.0与1.0对比
qq_36926037的博客
04-24 3943
一、TensorFlow优势 1.1 GPU加速 import tensorflow as tf import timeit cpu_data = [] gpu_data = [] for n in range(9): n = 10**n # 创建在CPU上运算的2个矩阵 with tf.device('/cpu:0'): cpu_a = tf.random.normal([1, n])...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值