tensorflow 1.X迁移至tensorflow2 的代码写法
目标：代码改写成tf2格式
把tensorflow 1.X中的代码，迁移到tensorflow2中。一些常见的改写经验。包括sess，tf.placeholder， tf.InteractiveSession()，tf.Session()
tensorflow2相比于tensorflow 1.x版本有较大的变化，且网上现在好多文章的代码都是基于tf1.x版本的，学会简单的转换，帮助我们看代码。
整体来说，tensorflow2更加简洁了。
本文将持续更新中。
当然用tf.compat.v1也能解决部分问题。但是不推荐，毕竟tf2才是未来。
tf1和tf2区别：
1、tf1基于图模式，tf2基于eager模式，tf2对程序员更友好，更像是函数，更方便调试。
2、tf2更向keras靠拢，对分布式训练的支持更好。
改写内容：
tf.placeholder
tensorflow 1.x版本中的placeholder，在tf2中已经被取消，在tf2中，可以用tf.keras.Inputs代替。
示例：
tf1中
input_ids = tf.placeholder(dtype=tf.int32, shape=[None])
tf2中，改写为：
input_ids = tf.keras.Input(dtype=tf.int32, shape=[None])
tf.Sess,sess.run
- tensorflow 1.x由于是基于静态图机制（Graph Execution），需要先构造图，然后才真正运行，因此需要用显示调用Session后，才会真正触发计算。对调试代码非常不利。
- tensorflow 2.x默认是基于动态图机制（Eager Execution），就像常规函数一样，调用时就触发计算。对调试代码非常方便。
所以，tf1中session部分代码，可以全部去掉。
示例：
tf1中
sess = tf.InteractiveSession() sess.run(tf.global_variables_initializer())
tf2中，改写为：直接不要
具体例子1：
tf1的代码：
import tensorflow as tf
import numpy as np
# 定义一个未知变量input_ids用于存储索引
input_ids = tf.placeholder(dtype=tf.int32, shape=[None])
# 定义一个已知变量embedding，是一个5*3的矩阵
embedding = a = np.asarray([[0.1, 0.2, 0.3], [1.1, 1.2, 1.3], [2.1, 2.2, 2.3], [3.1, 3.2, 3.3], [4.1, 4.2, 4.3]])
# 根据input_ids中的id，查找embedding中对应的元素
input_embedding = tf.nn.embedding_lookup(embedding, input_ids)
sess = tf.InteractiveSession()
sess.run(tf.global_variables_initializer())
# print(embedding.eval())
print(sess.run(input_embedding, feed_dict={input_ids: [1, 2, 3, 0, 3, 2, 1]}))
改写tf2代码：
import tensorflow as tf import numpy as np # 定义一个未知变量input_ids用于存储索引 input_ids = tf.keras.Input(dtype=tf.int32, shape=[None]) # 定义一个已知变量embedding，是一个5*3的矩阵 embedding = a = np.asarray([[0.1, 0.2, 0.3], [1.1, 1.2, 1.3], [2.1, 2.2, 2.3], [3.1, 3.2, 3.3], [4.1, 4.2, 4.3]]) input_ids = np.array([1, 2, 3, 0, 3, 2, 1]) # 根据input_ids中的id，查找embedding中对应的元素 input_embedding = tf.nn.embedding_lookup(embedding, input_ids) print(input_embedding)
可见，tf2代码简洁明了不少，多动手试试，就能体会。
结论：
深刻体会tf2带来的变革。
1、体会静态图和动态图的差别
2、体会对分布式训练的优化（未来写）
3、体会模型训练的便利性（直接用compile等，keras的便利性。）
到此这篇关于tensorflow 1.X迁移至tensorflow2 的代码写法的文章就介绍到这了,更多相关tensorflow 1.X迁移至tensorflow2 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
这篇文章主要介绍了python中stdout输出不缓存的设置方法,这个方法只在比较特殊的环境中使用,需要的朋友可以参考下2014-05-05
这篇文章主要介绍了Python数据分析--Pandas知识点，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧2019-03-03
本文主要介绍了python跨文件使用全局变量的实现，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧2023-03-03
这篇文章主要介绍了Python基础语法之容器的相关资料，帮助大家更好的理解和学习python，感兴趣的朋友可以了解下，希望能够给你带来帮助2021-09-09
这篇文章主要介绍了Python range与enumerate函数区别解析,文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下2020-02-02
python3.6+selenium实现操作Frame中的页面元素
这篇文章主要为大家详细介绍了python3.6+selenium实现操作Frame中的页面元素，具有一定的参考价值，感兴趣的小伙伴们可以参考一下2019-07-07
这篇文章主要介绍了Python中方法的缺省参数问题解读，具有很好的参考价值，希望对大家有所帮助。如有错误或未考虑完全的地方，望不吝赐教2022-12-12
这篇文章主要为大家详细介绍了python实现用户登录系统的相关资料，感兴趣的朋友可以参考一下2016-05-05
Python利用networkx画图绘制Les Misérables人物关系
这篇文章主要为大家介绍了Python利用networkx画图处理绘制Les Misérables悲惨世界里的人物关系图，有需要的朋友可以借鉴参考下，希望能够有所帮助，祝大家多多进步，早日升职加薪2022-05-05
本文主要介绍了Python取出字典中的值，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧2023-01-01
最新评论