作为迁移到 TensorFlow 2 的一部分，我希望在 TensorFlow v1（特别是 TensorFlow 1.14）中启用 TensorFlow v2 行为。我知道我可以打电话tf.enable_v2_behavior()来执行此操作，但我想隐式执行此操作（通过环境变量或类似变量），而不必显式调用此函数。
我想这样做的原因是为了让人们不会忘记这样做，并且不会意外地以 v1 行为告终。我可以保证tf.enable_v2_behavior()在运行任何测试之前调用，但是代码的底层行为在测试环境之外可能会有所不同（测试可能会通过，但在测试环境之外运行时代码会失败）。
任何环境变量都可能有效，因为我几乎可以保证在我们所有的 docker 镜像中都设置了这个变量，但我对替代方案持开放态度。我可以在导入特定模块时执行此操作，但我不能保证始终导入特定模块（除了tensorflow!).
的文档enable_v2_behaviorstate“这个函数在主 TensorFlow 中被调用__init__.py文件中，用户不需要调用它，除非在复杂的迁移期间。”，但这似乎并非如此（至少在 TensorFlow 1.14 中；我猜对于 TensorFlow 2.0 来说也是如此）。
如果您设置环境变量，那么它实际上存在TF2_BEHAVIOR to 1它将启用 2.x 行为。我还没有找到有关它的文档，但您可以在评论中看到它源代码:
# TF2 behavior is enabled if either 1) enable_v2_behavior() is called or
# 2) the TF2_BEHAVIOR=1 environment variable is set. In the latter case,
# the modules below independently check if tf2.enabled().
我在 1.15.0 中测试了它，它似乎有效：
import os
os.environ['TF2_BEHAVIOR'] = '1'
import tensorflow as tf
print(tf.constant([1, 2, 3])) # Eager mode is enabled
# tf.Tensor([1 2 3], shape=(3,), dtype=int32)
print(tf.TensorShape([1, 2])[1]) # TensorShape dimensions are int
# 2
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@)
