Tensorflow1.x 与 Tensorflow2.0的不同

简单来说，Tensorflow1.x 与 Tensorflow2.0的主要区别在于tf1.x使用静态图而tf2.x使用Eager Mode动态图。下图是Tensorflow2.0的架构图，使用keras API作为构建神经网络的工具。

Eager Mode动态图模式

在Eager Mode 推出之前，基于TensorFlow的程序使用的静态计算图，计算过程首先被编译成一个有向无环图。这种模式下模型的计算性能得到了保证，但是却大大牺牲了灵活性，如果对计算图进行修改，则在每个session执行计算之前将会要重新编译计算图，会带了额外的开销。

Eager Mode下我们可以像使用Numpy数组一样快速获得模型部分结构的执行结果，而无需针对每次计算过程都执行创建session，构建feed_dict等比较繁琐的操作，这为我们验证模型的前向计算过程提供了非常大的便利。

以a+b为例。在ft1.x中，创建计算图的过程仅仅是使用各变量名创建出 “ a + b ” 加法的计算规则，记录下该公式的计算步骤，并没有传入具体的值和执行具体的计算过程。

using System;  
using Tensorflow;  
using static Tensorflow.Binding;  
namespace TF_Test  {  
    class Program  {  
        //Basic Operation 2.0 + 3.0 with TensorFlow.NET 1.x  
        static void Main(string[] args)