【CS20-TF4DL】04 Eager Execution

现在我们已经实现了两个简单的 TF 模型，一个是用于预测预期寿命的线性回归模型，一个是用来识别手写数字的 logistic 回归模型。我们还非常清楚使用 TF 的两个步骤（组装 graph 然后执行）。那么，如果我们想像使用 python 一样使用 TF 可以吗？答案是肯定的。

更新历史

Eager Execution

Eager execution 是一个类似 Numpy 的库，支持 GPU 加速和自动微分，在 TF 1.5 引入。我们可以用可交互的方式进行 TF 编程，可以使用更多 python 特性，调试也会更加轻松。用法很简单，两行代码就可以：

1 2	import tensorflow as tf tf.enable_eager_execution()

使用 Eager Execution 的话，不再需要担心下面的事情：

直接就可以开始计算！

1
2
3

x = [[2.]]
m = tf.matmul(x, x)
print(m)

其他更多代码可以参考 8_eager_execution.py

啥时候最适合用 Eager Execution 呢？