Github链接到tensorflow中新引入的Eager模块： https://github.com/tensorflow/tensorflow/tree/master/tensorflow/c/eager https://github.com/tensorflow/tensorflow/tree/master/tensorflow/python/eager
答案 0 :(得分：17)
根据Google前实习生撰写的article解释tensorflow eager mode。
基本上这是张量流中的一种模式，它允许编写命令式编码风格，就像使用numpy一样。因此，不应再有明确的graph，session，session.run()。当代码像Chainer / PyTorch一样运行时，隐式构建图表。
它仍在积极发展中，表现仍然不尽如人意。您可以通过pip上的每晚构建来尝试它，同时期待一些有趣的新功能，例如graph function，它允许将子图调用为函数。随着框架的发展，这应该是tensorflow的默认模式。
更新： Tensorflow团队已正式talked about it。
急切执行是一个必要的，逐个运行的界面 操作在从Python调用时立即执行。 这样可以更容易地开始使用TensorFlow，并且可以制作 研究和开发更直观。
绝大多数TensorFlow API无论是否热切都保持不变 执行是否启用。结果，完全相同的代码 构造TensorFlow图（例如使用图层API）可以 通过使用急切执行来执行命令。相反，大多数 使用Eager编写的模型可以转换为可以的图形 进一步优化和/或提取以便在生产中部署 不改变代码。
您可以在blog post或README中详细了解相关信息。这是 仍然是预览版，所以你可能会遇到一些粗糙的边缘。
期待您的尝试反馈。
更新：急切模式现已在TF 1.7正式发布。他们的网站上有一个不错的tutorial。我想现在每个人都知道它是什么，所有主要框架都汇聚在一起，动态神经网络。
更新：渴望模式将成为TF 2.0中的默认模式，即2018年晚些时候的下一个主要版本planned for release。
答案 1 :(得分：6)
根据这些推文：
Eager是张量流中的新命令模式（与the imperative module in contrib不同）。
答案 2 :(得分：2)
急切执行是一个必要的，逐个运行的界面，操作在从Python调用时立即执行。
访问https://research.googleblog.com/2017/10/eager-execution-imperative-define-by.html了解更多详情。
答案 3 :(得分：0)