机器学习笔记 - Tensorflow的eager execution、lazy execution、graph execution

本文对比了TensorFlow中eager execution(即时执行)、lazy execution(延迟执行)和graph execution(图执行)三种模式。在eager执行中,操作立即执行,方便调试;而在graph执行中,代码创建计算图,适合性能优化和部署。开发时通常先用eager模式,调试后转为graph模式。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

1、eager execution和lazy execution

        TensorFlow 2中的主要变化之一是即时执行(eager execution)。之前,TensorFlow 1在默认情况下总是使用延迟执行(lazy execution)。它之所以称为延迟,是因为直到被明确请求,操作才由框架运行。

        延迟执行(lazy execution)和即时执行(eager execution)比较。

        我们用一个非常简单的示例(即将两个向量的值相加)来说明延迟执行和即时执行之间的区别:

        前面代码的输出取决于TensorFlow的版本。

        使用TensorFlow 1(默认模式为延迟执行)时,输出为: 

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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

打赏作者

坐望云起

如果觉得有用,请不吝打赏

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
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