RM新时代网站-首页

0
  • 聊天消息
  • 系統(tǒng)消息
  • 評(píng)論與回復(fù)
登錄后你可以
  • 下載海量資料
  • 學(xué)習(xí)在線課程
  • 觀看技術(shù)視頻
  • 寫文章/發(fā)帖/加入社區(qū)
會(huì)員中心
創(chuàng)作中心

完善資料讓更多小伙伴認(rèn)識(shí)你,還能領(lǐng)取20積分哦,立即完善>

3天內(nèi)不再提示

TensorFlow 2.0 將包含許多 API 變更

電子工程師 ? 來源:lp ? 2019-03-01 09:36 ? 次閱讀

TensorFlow 2.0 將包含許多 API 變更,例如,對(duì)參數(shù)進(jìn)行重新排序、重新命名符號(hào)和更改參數(shù)的默認(rèn)值。手動(dòng)執(zhí)行所有這些變更不僅枯燥乏味,而且容易出錯(cuò)。為簡化變更過程并讓您盡可能順暢地過渡到 TensorFlow 2.0,TensorFlow 工程團(tuán)隊(duì)創(chuàng)建了實(shí)用程序 tf_upgrade_v2,可幫助您將舊代碼轉(zhuǎn)換至新 API。

傳送門:

tf_upgrade_v2:https://github.com/tensorflow/docs/blob/master/site/en/r2/guide/upgrade.md

使用 pip 安裝 TensorFlow 2.0 時(shí),系統(tǒng)會(huì)自動(dòng)添加 tf_upgrade_v2 實(shí)用程序。該程序可將現(xiàn)有的 TensorFlow 1.13 Python 腳本轉(zhuǎn)換為 TensorFlow 2.0,以幫助加快您的升級(jí)過程。

我們已嘗試自動(dòng)化處理盡可能多的升級(jí)任務(wù),但腳本仍無法處理一些句法和風(fēng)格方面的變更。

某些 API 符號(hào)可能無法僅使用字符串替代方案簡單升級(jí)。為確保 TensorFlow 2.0 仍支持您的代碼,升級(jí)腳本加入了 compat.v1 模塊。此模塊將以等效的 tf.compat.v1.foo 引用代替表單 tf.foo 的調(diào)用。不過,建議您手動(dòng)檢查此類替代方案,并盡快將其遷移至 tf.* 命名空間(代替 tf.compat.v1.* 命名空間)中的新 API。

此外,由于我們棄用了某些模塊(例如 tf.flags 和 tf.contrib),您將無法通過切換至 compat.v1 來實(shí)現(xiàn) TensorFlow 2.0 中的某些變更。升級(jí)使用這些模塊的代碼可能需要額外使用一個(gè)庫(如 absl.flags)或切換至 tensorflow/addons 中的軟件包。

傳送門:

tensorflow/addons:

https://github.com/tensorflow/addons

如果您想嘗試將模型從 TensorFlow 1.12 升級(jí)至 TensorFlow 2.0,請(qǐng)按照下方說明執(zhí)行操作:

首先,安裝 tf-nightly-2.0-preview / tf-nightly-gpu-2.0-preview。注意:使用 pip 安裝 TensorFlow 1.13 及以上版本(包括 nightly 2.0 構(gòu)建版)時(shí),系統(tǒng)會(huì)自動(dòng)安裝 tf_upgrade_v2。

您可以在單個(gè) Python 文件上運(yùn)行升級(jí)腳本:

tf_upgrade_v2 --infile foo.py --outfile foo-upgraded.py

您也可以在目錄樹上運(yùn)行升級(jí)腳本:

# upgrade the .py files and copy all the other files to the outtree

tf_upgrade_v2 --intree foo/ --outtree foo-upgraded/

# just upgrade the .py files

tf_upgrade_v2 --intree foo/ --outtree foo-upgraded/ --copyotherfiles False

此腳本還會(huì)列出詳細(xì)的變更,例如參數(shù)重命名:

添加關(guān)鍵字:

以及推薦進(jìn)行的任何手動(dòng)檢查情況:

所有這些信息將導(dǎo)出至主目錄的 report.txt 文件中。在 tf_upgrade_v2 運(yùn)行升級(jí)后的腳本并將其導(dǎo)出后,您便可運(yùn)行模型并進(jìn)行檢查,以確保您的輸出與 TensorFlow 1.13 類似:

注意:

在運(yùn)行此腳本前,請(qǐng)勿手動(dòng)升級(jí)部分代碼。特別要注意的是,在對(duì)函數(shù)中的 tf.argmax 或 tf.batch_to_space 等參數(shù)進(jìn)行重新排序后,腳本會(huì)錯(cuò)誤地添加關(guān)鍵字參數(shù)并導(dǎo)致現(xiàn)有的代碼發(fā)生錯(cuò)誤映射

此腳本不會(huì)對(duì)參數(shù)進(jìn)行重新排序。相反,此腳本會(huì)將關(guān)鍵字參數(shù)添加至對(duì)自身參數(shù)進(jìn)行重新排序的函數(shù)中

如要報(bào)告升級(jí)腳本錯(cuò)誤或發(fā)出功能請(qǐng)求,請(qǐng)?jiān)?GitHub 上提交問題。

聲明:本文內(nèi)容及配圖由入駐作者撰寫或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點(diǎn)僅代表作者本人,不代表電子發(fā)燒友網(wǎng)立場。文章及其配圖僅供工程師學(xué)習(xí)之用,如有內(nèi)容侵權(quán)或者其他違規(guī)問題,請(qǐng)聯(lián)系本站處理。 舉報(bào)投訴
  • API
    API
    +關(guān)注

    關(guān)注

    2

    文章

    1499

    瀏覽量

    61958
  • 代碼
    +關(guān)注

    關(guān)注

    30

    文章

    4779

    瀏覽量

    68520
  • tensorflow
    +關(guān)注

    關(guān)注

    13

    文章

    329

    瀏覽量

    60527

原文標(biāo)題:請(qǐng)注意更新TensorFlow 2.0的舊代碼

文章出處:【微信號(hào):rgznai100,微信公眾號(hào):rgznai100】歡迎添加關(guān)注!文章轉(zhuǎn)載請(qǐng)注明出處。

收藏 人收藏

    評(píng)論

    相關(guān)推薦

    鏈接器包含許多來自API庫的死代碼

    你好,可以考慮API庫源拆分為更小的單元,最好是每個(gè)函數(shù)分成單獨(dú)的文件/模塊。這將為鏈接器提供僅包含對(duì)應(yīng)用程序強(qiáng)制的代碼的機(jī)會(huì)。問候,K 以上來自于百度翻譯 以下為原文Hi,Co
    發(fā)表于 06-19 16:14

    TensorFlow是什么

    TensorFlow 在深度學(xué)習(xí)模型中的應(yīng)用,使讀者可以輕松地模型用于數(shù)據(jù)集并開發(fā)有用的應(yīng)用程序。每章包含一系列處理技術(shù)問題、依賴性、代碼和解讀的示例,在每章的最后,還有一個(gè)功能完善的深度學(xué)習(xí)模型。
    發(fā)表于 07-22 10:14

    TensorFlow教程|常見問題

    的。從社區(qū)的利益出發(fā),我們想要支持更多的客戶端語言。 TensorFlow 有一個(gè) 基于 C 的客戶端 API ,它使得用許多不同的語言創(chuàng)建客戶端變得很容易。我們請(qǐng)大家在新語言綁定上做出努力
    發(fā)表于 07-27 18:33

    高階API構(gòu)建模型和數(shù)據(jù)集使用

    TensorFlow2.0Beta版本,同pytorch一樣支持動(dòng)態(tài)執(zhí)行(TensorFlow2.0默認(rèn)eager模式,無需啟動(dòng)會(huì)話執(zhí)行計(jì)算圖),同時(shí)刪除了雜亂低階API,使用高階API
    發(fā)表于 11-04 07:49

    TensorFlow的特點(diǎn)和基本的操作方式

    2015年11月在GitHub上開源,在2016年4月補(bǔ)充了分布式版本,最新版本為1.10,2018年下半年發(fā)布Tensorflow 2.0預(yù)覽版。Tensorflow目前仍處于快速
    發(fā)表于 11-23 09:56

    JDBCTM 2.0 API

    The JDBCTM API is the JavaTM standard call-level API for database access. This documentcontains the final specification of the JDBC
    發(fā)表于 10-14 17:42 ?6次下載

    如何結(jié)合TensorFlow目標(biāo)檢測API和OpenCV分析足球視頻

    使用Tensorflow的目標(biāo)檢測API,可以快速搭建目標(biāo)檢測模型。如果你不熟悉這套API,可以看下我之前寫的介紹Tensorflow目標(biāo)檢測API
    的頭像 發(fā)表于 07-08 09:38 ?6365次閱讀
    如何結(jié)合<b class='flag-5'>TensorFlow</b>目標(biāo)檢測<b class='flag-5'>API</b>和OpenCV分析足球視頻

    TensorFlow2.0 版本將來臨

    TensorFlow 2.0 的一部分,我們停止分發(fā) tf.contrib。我們將在未來幾個(gè)月與 contrib 模塊的所有者合作制定詳細(xì)的遷移計(jì)劃,包括如何在我們的社區(qū)頁面和文檔中宣傳您的
    的頭像 發(fā)表于 08-15 09:01 ?5500次閱讀

    機(jī)器學(xué)習(xí)框架Tensorflow 2.0的這些新設(shè)計(jì)你了解多少

    總是無法被撼動(dòng)。而就在即將到來的2019年,Tensorflow 2.0正式入場,給暗流涌動(dòng)的框架之爭再燃一把火。
    的頭像 發(fā)表于 11-17 11:33 ?3153次閱讀

    TensorFlow 2.0馬上要來了,還不速來了解下新架構(gòu)?

    TensorFlow始終為生產(chǎn)提供了直接部署方式。無論是部署在服務(wù)器、邊緣設(shè)備還是Web上,TensorFlow都可以讓用戶對(duì)模型實(shí)現(xiàn)輕松訓(xùn)練和部署。無論用戶使用何種語言或平臺(tái)。在TensorFlow
    的頭像 發(fā)表于 01-16 08:45 ?2908次閱讀
    <b class='flag-5'>TensorFlow</b> <b class='flag-5'>2.0</b>馬上要來了,還不速來了解下新架構(gòu)?

    TensorFlow2.0終于問世,Alpha版可以搶先體驗(yàn)

    之前開發(fā)者反饋,希望TensorFlow能夠簡化API、減少冗余并改進(jìn)文檔和示例。這次2.0發(fā)布,聽取了開發(fā)者的建議,因此新版本有以下三大特點(diǎn):簡單、強(qiáng)大、可拓展。
    的頭像 發(fā)表于 03-08 09:30 ?3626次閱讀
    <b class='flag-5'>TensorFlow2.0</b>終于問世,Alpha版可以搶先體驗(yàn)

    TensorFlow 2.0 alpha提供即將發(fā)生的變化的預(yù)覽

    。Alpha 版文檔中的每個(gè)教程均會(huì)自動(dòng)下載并安裝 TensorFlow 2.0 Alpha 版,并且后續(xù)提供更多內(nèi)容!
    的頭像 發(fā)表于 03-10 10:17 ?2930次閱讀

    TensorFlow的11個(gè)使用技巧整理說明

    在本文中,我們探索TF 2.0的10個(gè)功能,這些功能讓TensorFlow的使用更加順暢,減少了代碼行并提高了效率,因?yàn)檫@些函數(shù)/類屬于TensorFlow
    發(fā)表于 05-20 08:00 ?3次下載
    <b class='flag-5'>TensorFlow</b>的11個(gè)使用技巧整理說明

    如何使用Docker容器中的TensorFlow目標(biāo)檢測API

    本文展示了如何使用 Docker 容器中的 TensorFlow 目標(biāo)檢測 API,通過網(wǎng)絡(luò)攝像頭執(zhí)行實(shí)時(shí)目標(biāo)檢測,同時(shí)進(jìn)行視頻后處理。作者使用的是 OpenCV 和 Python3 多進(jìn)程和多線程
    的頭像 發(fā)表于 11-27 09:08 ?1946次閱讀

    tensorflow能做什么_tensorflow2.0和1.0區(qū)別

    , TensorFlow為張量從流圖的一-端流動(dòng)到另一端計(jì) 算過程。TensorFlow 復(fù)雜的數(shù)據(jù)結(jié)構(gòu)傳輸至人工智能神經(jīng)網(wǎng)中進(jìn)行分析和處理過程的系統(tǒng)。TensorFlow可被用于
    的頭像 發(fā)表于 12-04 14:45 ?8011次閱讀
    RM新时代网站-首页