TensorFlow 1.x code to TensorFlow 2.0

1、替换Session.run的调用

每一个Session.run调用都可以被Python函数替换。

（1）feed_dict和v1.placeholders 成为函数参数；

（2）fetches成为函数的返回值；

之后，添加tf.function装饰器使其在图形中高效运行。

注意：（1）不像v1.Session.run，tf.function有固定的返回签名，总是返回所有的输出。如果这个导致性能问题，则创建两个单独的函数；

          （2）tf.control_dependencies和类似的操作没有必要：tf.function的行为就像按写的顺序运行，如tf.Variable和tf.assert，能够自动执行。

2、使用python对象追踪变量和损失

在TF2.0中，所有基于名称的变量追踪都是被强烈阻止的，使用Python对象来追踪变量。

（1）用 tf.Variable 替代 v1.get_variable.

（2）每一个v1.variable_scope应该被转换为Python对象，通常：

         tf.keras.layers.Layer

         tf.keras.Model

         tf.Module

如果需要聚合变量列表(如 tf.Graph.get_collection(tf.GraphKeys.VARIABLES))，用Layer和Model层和模型对象的.variables和.trainables_variables属性。

这些Layer和Model层和