TensorFlow這麼好用，我該從哪種模式入手？

如同前面提到的，目前的TensorFlow，在PyTorch的推波助瀾下，推出更容易讓新手快速上手的Eager Execution。
從此，TF的世界可以更有效分成互動式及生產線式兩種。

• Graph(生產線式)：
  這種方法分工更為細緻，處理資料的人就專心處理資料，而對於資料分析流程的人就專注於靜態圖流就好了。
  此模式下容易提升生產力，對於記憶體或其他資源配置較為經濟；但最大的問題就是不夠直觀，對於型態或資料維度必須先有概念。
  真正執行只有在tf.Session()啟動的期間使用sess.run()才真正執行；其餘時間都只是一些metadata紀錄可能填入的資料。
  舉例如下：

import tensorflow as tf

def fuc(a, b):
    return a + b

with tf.Session() as sess:
    a = tf.constant([
        [1, 2, 3, 4],
        [4, 2, 3, 1]
    ])
    b = tf.constant([
        [9, 4, 3, 5],
        [6, 2, 3, 1]
    ])
    c = fuc(a, b)
    print(c)
    print(sess.run(c))

對應的結果：

Tensor("add:0", shape=(2, 4), dtype=int32)
[[10  6  6  9]
 [10  4  6  2]]

這種非即時性對於剛接觸的使用者需要更多的時間適應，特別是程式碼當中出現for-loop的狀況。

• Eager(互動式)

寫程式哪有不出錯，請賜給我一個好用的除錯器吧

這邊提供大家兩個可能的方法：

1. pdb (Python debugger)
   這是很傳統的Python除錯器，而目前TensorFlow支援最完整的程式語言正式Python。
2. from tensorflow.python import debug as tf_debug