本文对比了TensorFlow 2.0中Eager模式与Graph模式的区别。Eager模式支持即时执行和调试，但运行效率较低；Graph模式则提供更高的运行效率，但不支持调试。通过使用@tf.function装饰器可以将Eager模式转换为Graph模式。
在看tensorflowAPI的时候,经常能看到关于eager和graph的字眼.并不是很明白.所以就了解了一下.链接如下https://zhuanlan.zhihu.com/p/82548504
现在主流都是在用tensorflow2.0,所以就主要说明一下在tensorflow2.0中的区别.
使用层面的区别:
| eager | tf.graph | |
|---|---|---|
| 能否debug | 能 | 不能 |
| 运算效率 | 低 | 高 |
| 是否需要修饰 | 不需要 | 需要@tf.function修饰 |
简单来说,你可以首先写好eager模式下的代码，debug完之后，使用tf.function修饰你想用图的方式运行的函数，那么这个函数就会使用图的模式运行,这个过程是内部自动完成的.
您可能感兴趣的与本文相关的镜像
TensorFlow-v2.9
TensorFlow 是由Google Brain 团队开发的开源机器学习框架,广泛应用于深度学习研究和生产环境。 它提供了一个灵活的平台,用于构建和训练各种机器学习模型
419
6626
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
扫一扫
