tf的饥饿模式（eager execution）与tensorflow 2.0要点 （持续更新）

1. 不再需要构建计算图（computing graph），取而代之的是动态控制流（dynamic control flow）。

2. 饥饿模式下tf.tensor数据不再是一个符号，而是像真正的数值那样，可以做四则运算等操作。且tf.tensor借鉴了很多numpy计算方式，比如广播（broadcasting）。甚至可以转化为numpy类型变量。

3. 饥饿模式直接导致了我们不再需要control dependency（这部分其实我之前也不了解），因为每一行代码按顺序执行即可

4. tf1中存在着众多的tf.Variable 变量，为了重复使用这些变量，tf1加入了众多机制如Variable scopes, global collections,  方法tf.get_global_step(), tf.global_variables_initializer()等等，这些在tf2通通被移除。

5. tf2舍弃了session，如下：

# TensorFlow 1.X
outputs = session.run(f(placeholder), feed_dict={placeholder: input})
# TensorFlow 2.0
outputs = f(input)