TensorFlow推出命令式、可定义的运行接口Eager Execution _生活百科

安妮编译自 Google Research Blog
量子位出品 | 公众号 QbitAI
今天凌晨，谷歌宣布推出TensorFlow的eager execution 。这是一个命令式的、可定义的运行接口，它们由Python调用，可用来立即执行操作。
简单来说， eager execution有四大优势：
立即快速调试运行错误并与Python工具集成
支持用易用Python控制流的动态模型
支持自定义和高阶梯度
几乎所有TensorFlow操作均可用
我们可以通过一些代码更好理解eager execution ，这是很技术的问题，熟悉TensorFlow将帮你更好理解。
使用eager execution
当启用eager execution时，操作将立即执行并将值返回给Python ，无需调用session.run() 。例如，把两个矩阵相乘，写出来是这样的：

文章插图
用print或Python调试程序检查中间结果也很简单：

文章插图
【TensorFlow推出命令式、可定义的运行接口Eager Execution】此外，还可以用Python flow控制构建动态模型。这是考拉兹猜想（Collatz conjecture）的一个例子，用到了TensorFlow中算术运算：

文章插图
在这种情况下，用tf.constant(12)张量对象（即代码中的Tensor对象）将把所有数学运算推广到张量运算，并且所有返回值都是张量。
编写代码新变化
使用eager execution应该对当前TensorFlow用户来说更直观了。原因有多种，比如里面只有少数eager-specific API ，并且大多数现有API和操作都支持eager 。值得注意的还有以下几点：
如果你还没用过tf.data做输入处理，应该着手学习一下了。它更容易使用，并且通常处理速度更快。
tf.data介绍
https://developers.googleblog.com/2017/09/introducing-tensorflow-datasets.html
在使用如tf.layer.Conv2D()或Keras等面向对象的层时，它们可以显式存储变量。
对大多数模型来说，你可以编写代码让它作用于eager execution和构建计算图。也有例外情况，比如用Python控制流根据输入改变计算。
一旦调用了tfe.enable_eager_execution() ，就无法关闭。如要获取计算图行为，需要启动新的Python会话。
参考资料及下载
谷歌研究博客地址：
https://research.googleblog.com/2017/10/eager-execution-imperative-define-by.html
GitHub代码地址：
https://github.com/tensorflow/tensorflow/blob/master/tensorflow/contrib/eager/README.md
代码使用手册：
https://github.com/tensorflow/tensorflow/blob/master/tensorflow/contrib/eager/python/g3doc/guide.md
祝你玩得开心~
—完
加入社群
量子位AI社群10群开始招募啦，欢迎对AI感兴趣的同学，加小助手微信qbitbot4入群；
此外，量子位专业细分群(自动驾驶、CV、NLP、机器学习等)正在招募，面向正在从事相关领域的工程师及研究人员。
进群请加小助手微信号qbitbot4 ，并务必备注相应群的关键词~通过审核后我们将邀请进群。（专业群审核较严，敬请谅解）
诚挚招聘
量子位正在招募编辑/采访人员，工作地点在北京中关村。期待有才气、有热情的同学加入我们！相关细节，请在量子位公众号(QbitAI)对话界面，回复“招聘”两个字。
量子位QbitAI
''追踪AI技术和产品新动态
Tags：