1 默认动态图机制

在tensorflow2.0中，动态图是默认的不需要自己主动启用它。

import tensorflow as tf
a = tf.constant([1,2,3])
b = tf.constant([4,5,6])
print(a+b)

Keras是一个基于Python编写的高层神经网络API，Keras强调用户友好性、模块化以及易扩展等，其后端可以采用TensorFlow、Theano以及CNTK，目前大多是以TensorFlow作为后端引擎。考虑到Keras优秀的特性以及它的受欢迎程度，TensorFlow将Keras的代码吸收了进来，并将其作为高级API提供给用户使用。“tf.keras”不强调原来Keras的后端可互换性，而是在符合Keras标准的基础上让其与TensorFlow结合的更紧密（例如支持TensorFlow的eager execution模式，支持“tf.data”，以及支持TPU训练等）。“tf.keras”提高了TensorFlow的易用性，同时也保持了TensorFlow的灵活性和性能。

大多数初学者tensorflow教程向读者介绍了feed_dict将数据加载到机器学习模型中的方法，其中数据通过tf.Session.run()或tf.Tensor.eval()函数调用传递给tensorflow 。然而，使用tf.dataAPI，您只需几行代码即可创建高性能数据管道。

在一个简单的feed_dict管道中，每当GPU必须等待CPU为它提供下一批数据时，GPU总是闲置着。

本指南使用机器学习对鸢尾花按品种进行分类。它利用 TensorFlow 的 Eager Execution 来执行以下操作：

1. 构建模型
2. 使用样本数据训练该模型
3. 利用该模型对未知数据进行

随着无人驾驶的火爆，深度学习在无人驾驶中的应用受到广泛关注，我在工作中对此有所接触，因此进行了相关学习和整理，给大家大家可以参考。

TensorFlow深度学习框架

TensorFlow基本概念

1.TensorFlow计算模型——计算图

1.1Tensor的基础

从上面我们已经得知，Tensor(张量)实际上就是一个n维的数组。这就延伸了几个的术语：

• 阶(秩)
• 形状

1.1.1阶(秩)

其实上，阶就是平时我们所说的维数。