接着记录tensorflow2.0的知识。
更新到最新的版本：
pip install --upgrade tensorflow pip install --upgrade tensorflow-gpu
查看版本号：
import tensorflow as tf
print("Tensorflow version:",tf.__version__)
print("Eager execution is ",tf.executing_eagerly())
在tensorflow2.0的运行环境中，运行tensorflow1.x代码，常常会出现错误提示：
在tensorflow2.0环境中，运行tensorflow1.x时，加入代码：
import tensorflow.compat.v1 as tf tf.disable_v2_behavior()
TensorFlow中的Tensor,表示张量，其实就是多维数组。
Python中的列表list，
NumPy中的数组对象ndarray，
他们也都可以作为数据的载体。
下面介绍list,ndarray,tensor
Python列表（list）:
元素可以使用不同的数据类型，可以嵌套；
在内存中不连续存放，是一个动态的指针数组；
读写效率低，占用内存空间 大；
不适合做数据计算。
列表的这种高度的灵活性，或者说是数据格式的不规则性，所以没有shape属性，不支持乘法操作，不支持一次性的读取一行或者说是一列数据，因此不适合做数据计算。
NumPy数组（ndarray）:
元素数据类型相同；
每个元素在内存中占用的内存空间相同，存储在一个连续的内存区域中；
存储空间小，读取和写入速度快；
在CPU中运算，不能够主动检测，利用GPU进行运算。
专门为高维数据浮点运算而设计。
TensorFlow张量（Tensor）:
可以高速运行于GPU和TPU之上；
支持CPU,嵌入式，单机多卡和多机多卡等多种计算环境；
高速的实现神经网络和深度学习中的复杂算法。
