主要介绍

1：tensorflow版本变动

2：tensorflow1.0 vs tensorflow2.0 vs pytorch

3：代码例子

    代码示例如下：

    # -*- coding: utf-8 -*-

    # 最简单的运算比较 tensorflow 1.0 vs pytorch vs tensorflow 2.0

    # tensorflow 1.0 vs pytorch vs tensorflow 2.0  后两者很像 但是tensorflow 序列部署更通用 pytorch很简单     工程适用性太窄

    # 1 + 1/2 +1/2^2 + 1/2^3 +...

    import tensorflow as tf

    print(tf.__version__)

    # 1：构造计算图

    x = tf.Variable(0.)

    y = tf.Variable(1.)

    print(x)

    print(y)

    # 2：构造两个操作

    # x=x+y

    add_op = x.assign(x+y)

    # y=y/2

    div_op = y.assign(y / 2)

    # 3：会话计算算子

    with tf.Session() as sess:

        sess.run(tf.global_variables_initializer())

        for iteration in range(50):

            sess.run(add_op)

            sess.run(div_op)

        # x任然是tf.Variable 变量 故eval

        print (x.eval())

    # 动态图结构 无需定义会话和算子

    import torch

    print(torch.__version__)

    x= torch.Tensor([0.])

    y= torch.Tensor([1.])

    for i in range(50):

        x = x+y

        y /= 2

    print (x)

    # tensorflow 2.0  因为其与1.0差别 主要是动态图结构 故只要打开eager mode即可 也与python类似

    tf.enable_eager_execution()

    print(tf.__version__)

    # 1：构造计算图

    x = tf.constant(0.)

    y = tf.constant(1.)

    for i in range(50):

        x = x+y

        y /= 2

    print (x.numpy())  # 和torch不同