從某種意義講，tensorflow這個項目已經失敗了，要不了幾年以后，江湖上再無tensorflow
因為tensorflow2.0 和tensorflow1.0 從本質上講就是兩個項目，1.0的靜態圖有他的優勢，比如性能方面，但是debug不方便，2.0的動態圖就是在模仿pytorch,但是畫虎不成反類犬．
為了對比1.0 與2.0

pip install tensorflow==2.0.0a0

為了控制變量我把mnist保存到本地的mongodb

兩種網絡結構是一樣的

ipython import mnist_data mnist_data.save_mnist_mongodb() 0 100 200 300 400 500 ... Step 1600 : loss 0.597398758 ; accuracy 0.906712472 Step 1700 : loss 0.0526806675 ; accuracy 0.90900588 Step 1800 : loss 0.212036133 ; accuracy 0.911422193 Step 1900 : loss 0.245924264 ; accuracy 0.913889468 Step 2000 : loss 0.0638188794 ; accuracy 0.915765 20.71102285385132 Final step 2000 : loss tf.Tensor(0.06381888, shape=(), dtype=float32) ; accuracy tf.Tensor(0.915765, shape=(), dtype=float32)

tensorflow2.0 耗時20.7秒

pip install tensorflow==1.13.1 step 1700, training accuracy 0.960 step 1800, training accuracy 0.900 step 1900, training accuracy 0.930 12.46434211730957 test accuracy 0.942

tensorflow2.0 耗時12.46秒，所以在用cpu 做訓練時，相同的網絡結構，相同的數據集合，tensorflow2.0比tensorflow1.0慢60%，tensorflow 靜態圖有非常明顯的速度優勢．

這是　tensorflow2.0 在訓練時的cpu占用32.3%

這是　tensorflow1.0 在訓練時的cpu占用63%,這也是tensorflow1.0 的優勢，更能發揮硬件的優勢

總結

以上是生活随笔為你收集整理的tensorflow2.0　与tensorflow1.0的性能区别的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。