目录
- 从tensorflow1.x升级到2.x
- 方案一：依然使用tf 1.x的脚本
- 方案二：升级项目代码到2.x
tensorflow2.0推出以后，全面拥抱keras，简化了API接口，使得tensorflow在使用上宜人了很多。
从tensorflow1.x升级到2.x
方案一：依然使用tf 1.x的脚本
对于原来的1.x系列代码，当后台的tensorflow支持升级到2.x以后，大多数代码并不需要重新改写，只需要将加载tensorflow的代码修改为
import tensorflow.compat.v1 as tf
tf.disable_v2_behavior()
就可以了。
方案二：升级项目代码到2.x
但是这样做并没有真正发挥2.x新的API带来的新功能。为了将1.x的项目代码真正迁移成2.x风格的，tensorflow项目组发布了tf_upgrade_v2脚本实现这个功能。该脚本的使用方法如下：
tf_upgrade_v2 \
--intree my_project/ \
--outtree my_project_v2/ \
--reportfile report.txt
其他参数可以查看tf_upgrade_v2脚本的帮助文档：tf_upgrade_v2 -h
但是有些API的符号并不能仅仅通过字符串替换简单的得到。虽然大多数1.x版本tf函数的调用都可以通过修改调用函数为tf.compat.v1.func_name()的方式得到，但是也有部分函数在2.x版本中被弃用了，例如tf.flags和tf.contrib， 另外还有一些函数可能需要调用一些其他的哭，例如absl.flags，或者将对应的函数调整到了tensorflow.addons模块中。
鉴于以上情况，官方推荐的升级方式为：
1）单元测试
2）安装tensorflow 1.14， 在tf1.14版本中实际上已经包括了tf 2.0版本的代码，封装在tf.compat.v2模块中。
3）用tf 1.14版本的代码进行测试，这一步非常关键，确保所有的代码在1.14版本的测试用全部通过。
4）用tf_upgrade_v2升级项目代码
5）在用1.14版本测试升级后的代码。
6）检查upgrade报告中的warning和error
7）安装tf2.0
8）测试代码，代码前面加入tf.disable_v2_behavior()函数，再运行测试
9）注释掉测试代码中的 ，用2.x的API运行。
如果遇到什么问题可以查看官方代码迁移指南：https://tensorflow.google.cn/guide/migrate
本文内容由网友自发贡献，版权归原作者所有，本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容，请联系:hwhale#tublm.com(使用前将#替换为@)
