急切执行是否意味着要取代tensorflow会话方法？

我在tensorflow的最后一个项目是在2016年，从那时起，我开始了渴望执行。进一步阅读之后，似乎可以使用它来代替会话对象的原始方法

由于渴望执行可以提供更好的反馈和更直接的方法来设计和调试神经网络，我们应该始终在新项目中使用渴望执行，还是原始会话方法有优势？

编辑：

下面的答案是基于“急切行动”的公告和当前可用的文档。然而，l给出了关于渴望模式的未来计划及其在TensorFlow 2.x中更重要的作用的进一步见解

---

不，渴望执行是作为学习和实验的“简单模式”引入的。TensorFlow的优势在于其计算图结构及其与执行环境（会话）的独立性；例如，这允许您在不同的机器上运行相同的模型，或者将其导出以跨不同的语言使用

当然，如果“生产”模式满足了您的所有需求，那么您可以在“生产”模式中使用急切模式，但请注意，您将无法访问许多高级功能，而且，即使在这些功能可以“移植”到急切执行的情况下，这样做可能不是开发人员的优先事项，因为它不应该取代“传统”模式执行模式

---

编辑：如需进一步参考，请参阅《快速执行指南》，其中指出了基于图形的代码与快速执行代码的一些优点，以及如何使用两者。

在tensorflow 2.0中，默认情况下将启用快速执行。它旨在完全取代图形/会话模式，是tensorflow开发人员的优先事项。有关更多详细信息，以及加入关于该主题的讨论，请查看tensorflow github上的this RFC:。报告也提到了这一点

---

对新项目使用渴望模式是可以的。到目前为止，原始会话方法仍然有一些优势（正如jdehesa所提到的，一些“高级功能”还不能与eager兼容），但是tensorflow开发人员正在积极改进eager（和graph）模式。如果您遇到任何问题或缺少的功能，我们非常感谢github上的bug报告。

这很有趣，我的回答基于我对TF 1.x中的Earge的了解及其发布公告中的信息，但我不知道TF 2.x的计划。事实上，我对非急切模式非常满意，我希望TF2.x不会改变这一点。你认为我的回答基本上只适用于TF1.x是正确的吗？图形模式在2.x中仍然存在，并且至少和现在一样性能良好（并且仍然能够在不同的执行环境中运行，等等，正如你提到的——将有API与1.x兼容）。默认情况下，eager的一些细节仍在解决中，例如模型是如何保存和导出的（参见上面的RFC），因此很难说随着2.x的开发，这个问题的答案会发生什么变化。我鼓励您参与讨论——我们重视TF开发者社区的反馈：）