1. Tensorflow 图的模式
定义各模块，前三个步相当于搭建了模型的静态图。
- 数据输入函数
- 优化问题的loss函数， 效果度量函数。注： loss 函数相当于定义深层网络。
- 参数优化算子
- 通过循环的调用session.run 刷新优化参数，loss函数值，效果度量值(准确率，KS等)
2. torch模式 & TF的Eager模式
没有了session，每次计算梯度得到具体的值，并更新， 执行方式与一般算法描述一致， 使用成本低，更适合入门。
torch 和 Eager 模式的差别：
- Eager 模式需要考虑导数计算， 并且可以自定义导数
- torch 代码中， 通常调用backward函数，不出现梯度计算，代码上更简洁。