TensorFlow Performance

1.使用 tf.function 提升性能

1.1 @tf.funciton: 图执行模式

虽然目前 TensorFlow 默认的即时执行模式具有灵活及易调试的特性，但在特定的场合， 例如追求高性能或部署模型时，依然希望使用图执行模式，将模型转换为高效的 TensorFlow 图模型。

TensorFlow 2 提供了 tf.function 模块，结合 AutoGraph 机制，使得我们仅需加入一个简单的 @tf.function 修饰符，就能轻松将模型以图执行模式运行。

1.2 @tf.function 基础使用方法

@tf.function 的基础使用非常简单，只需要将我们希望以图执行模式运行的代码封装在一个函数内， 并在函数前面加上 @tf.function 即可.

pass

1.3 @tf.function 内在机制

1.4 AutoGraph: 将 Python 控制流转化为 TensorFlow 计算图

1.5 使用传统的 tf.Session

2.分析 TenforFlow 的性能

3.图优化

4.混合精度