深度学习如何避免如何TensorFlow1.x的坑？

2019年底，TensorFlow从1.x升级为2.x，现已达2.10.x以上。由于升级时清理了大量API以简化和统一TensorFlow API，故TensorFlow2.x与TensorFlow1.x不兼容！

有人认为import tensorflow as tf 改为 ：

import tensorflow.compat.v1 as tf  

tf.disable_v2_behavior()

可以让TensorFlow2.x的程序兼容TensorFlow1.x。但是，这又有两个问题：其一，无法利用TensorFlow2.x的改进；其二，只能兼容TensorFlow本身，并不保证兼容利用TensorFlow1.x开发的第三方程序包。

由于显卡驱动CUDA、cuDNN版本与TensorFlow、Python、编译器MSVC、构建工具Bazel是绑定的，TensorFlow大有牵一发而动全身之势。如不特别指定，pip下载的第三方程序包都是最新的包，也就不兼容TensorFlow1.x的程序。如要特别指定大量第三方程序包的版本，不仅很麻烦，也可能找不到。

因此，深度学习避坑的最好方法是使用基于TensorFlow2.x的书，不使用基于TensorFlow1.x的书。由于TensorFlow在2019年10月升级为2.x，按写书至少花1年，出版大约1年推算，购买2022年以后出版的深度学习的书，再看其有无声明用TensorFlow2.x，就可以避坑了。