在第四文章裡介紹的核心概念中，第二項提到了計算圖和會話，那是TensorFlow 1.0 版本在使用的，前一天介紹的也是1.0版本的用法。而今天要來介紹取代計算圖的 Eager Execution 用到的語法，和其相關觀念。

在TensorFlow 2.0 最新版本中，不再使用會話( tf.Session() )，取而代之的是Eager Execution的功能，它讓張量運算可以立即執行，且不需要先建立計算圖，代碼也更加直觀和易於調整。

1.它可以創建張量並直接進行運算:

x = tf.constant(4)
y = tf.constant(5)
z = x + y
print("z:", z.numpy())

即可得出和為9。

2.它支持部分 Python 的語法，像是 if 語句和 for 循環：

def positive_or_nonpositive(x):
    if x > 0:
        return "Positive"
    else:
        return "Non-positive"
print(positive_or_nonpositive(tf.constant(6)))

6為正數，會輸出Positive。

3.讓自動微分更簡單：

x = tf.Variable(1.0)
with tf.GradientTape() as tape:
    y = x ** 2
dy_dx = tape.gradient(y, x)
print("Gradient:", dy_dx.numpy())

會得到 Gradient: 2.0，不需要再建立計算圖，僅需要簡單的語法就可以算出來。

更新為 Eager Execution 後，不需要親自創建和管理計算圖，讓使用者將心力放在運算本身，而不是運算的結構，也能少學很多東西就上手。