TensorFlow低版本代码自动升级为1.0版本
Reference:
https://www.tensorflow.org/install/migration
tensorflow 更新到1.0之后,0.n版本不兼容,除了手动更改代码之外,tensorflow官方还提供了自动更新的脚本。
下载链接:https://github.com/tensorflow/tensorflow/tree/master/tensorflow/tools/compatibility
使用方法:
更新一个文件:
原本代码为foo.py, 使用tf_upgrade.py自动升级为1.0版本,新的文件名为foo-upgraded.py:
tf_upgrade.py --infile foo.py --outfile foo-upgraded.py
目录下的所有文件都更新:
tf_upgrade.py --intree InputDir --outtree OutputDir
目录下的所有文件都更新,并复制除了python文件之外的其他文件到新文件夹:
运行之后所有.py文件都会更新并放在OutputDir目录下,如果想要目录中的其他文件(.txt等)也复制到新的文件夹,可以设置
copyotherfiles为True: tf_upgrade.py --intree InputDir --outtree OutputDir --copyotherfiles True
更新完毕后脚本会自动生成一个log文件,其中包含了更新的内容。
third_party/tensorflow/tools/compatibility/test_file_v0.11.py Line 125 Renamed keyword argument from `dim` to `axis` Renamed keyword argument from `squeeze_dims` to `axis` Old: [[1, 2, 3]], dim=1), squeeze_dims=[1]).eval(), ~~~~ ~~~~~~~~~~~~~ New: [[1, 2, 3]], axis=1), axis=[1]).eval(), ~~~~~ ~~~~~
拓展阅读
tf_upgrade.py 有一些局限性:
- 它不能改变 tf.reverse() 的参数,因此必须手动修复。
- 对于参数列表重新排序的方法,如 tf.split() 和 tf.reverse_split(),它会尝试引入关键字参数,但实际上并不能重新排列参数。
有些结构必须手动替换,例如:
tf.get.variable_scope().reuse_variables()
替换为:
with tf.variable_scope(tf.get.variable_scope(),reuse=True):
到此这篇关于TensorFlow低版本代码自动升级为1.0版本的文章就介绍到这了,更多相关TensorFlow低版本代码自动升级 内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家!
相关文章
python 如何把docker-compose.yaml导入到数据库相关条目里
这篇文章主要介绍了python 如何把docker-compose.yaml导入到数据库相关条目里?下面小编就为大家介绍一下实现方式,一起跟随小编过来看看吧2021-01-01python数据分析之聚类分析(cluster analysis)
聚类分析本身不是一个特定的算法,而是要解决的一般任务。它可以通过各种算法来实现,这些算法在理解群集的构成以及如何有效地找到它们方面存在显着差异。这篇文章主要介绍了python数据分析之聚类分析(cluster analysis),需要的朋友可以参考下2021-11-11
最新评论