TensorFlow更新预警——笔者已崩溃

最近手欠更新了一下TensorFlow，一下子更新到了2.1版本，其实之前已经看过一些1.x更新到2.0的血泪史，但笔者考虑2.0版本以面世半年之多，是时候更新一下了，于是乎笔者抱着试试看的心态更新了一下，然后就是。。。惨痛的教训，之前的程序完全不能用，本想着该几个程序函数就可以，结果发现哪里是那么简单，下面介绍一下TensorFlow2.0+版本的变化：

1、TensorFlow2.0

TensorFlow 2.0 将包含许多 API 变更，例如，对参数进行重新排序、重新命名符号和更改参数的默认值。手动执行所有这些变更不仅枯燥乏味，而且容易出错。为简化变更过程并让您尽可能顺畅地过渡到 TensorFlow 2.0，TensorFlow 工程团队创建了实用程序 tf_upgrade_v2，可帮助您将旧代码转换至新 API。
某些 API 符号可能无法仅使用字符串替代方案简单升级。为确保 TensorFlow 2.0 仍支持您的代码，升级脚本加入了 compat.v1 模块。此模块将以等效的 tf.compat.v1.foo 引用代替表单 tf.foo 的调用。不过，建议您手动检查此类替代方案，并尽快将其迁移至 tf.* 命名空间（代替 tf.compat.v1.* 命名空间）中的新 API。
此外，由于我们弃用了某些模块（例如 tf.flags 和 tf.contrib)，您将无法通过切换至 compat.v1 来实现 TensorFlow 2.0 中的某些变更。升级使用这些模块的代码可能需要额外使用一个库（如 absl.flags）或切换至 tensorflow/addons 中的软件包。

以上内容翻译自国外资料，虽然TensorFlow团队尽力了，但笔者看来毕竟是1到2的飞跃，想迅速熟悉2并不是一件很轻松的事情。

2、compat.v1兼容处理

对于TensorFlow1.x中很多函数：variable_scope、placeholder等好多函数，这里就不列举了，详见TensorFlow官方文档：https://tensorflow.google.cn/api_docs/python/tf/Variable，这里在tf.compat.v1可以找到之前1代的函数，也就是说如果想把之前一代的程序移植过来，都要大刀阔斧的改。

但是，这里不仅仅是改程序就能解决所有的问题，如placeholder函数，之后的博客会具体说，觉不不仅仅是那么简单，笔者已崩溃。

如果对于TensorFlow1.x已经很熟悉了，给大家推荐个文章：tensorflow兼容处理 tensorflow.compat.v1，这篇文章用一个例子，教给大家对于一般的程序如何在1.x的情况下迁移到2.0.

3、TensorFlow2.1

同时，本次更新的重点是增加了对 TPU 的多项支持，而 tf.keras 和 tf.data 这两个常用的 API 也得到了很多新的更新。

在对操作系统的支持上，Windows 和 Linux 系统的 TensorFlow pip 版本默认支持 GPU。进一步支持 TPUTensorFlow 2.1 最大的亮点在于进一步增加对 TPU 的支持。

发行说明地址：https://github.com/tensorflow/tensorflow/releases
如果想详细了解tensorflow2.1请到官方地址查看。

4、一些更老版本的函数更新：

• 1.tf.scalar_summary 修改为：tf.summary.scalar(‘batch_loss’, loss)原因：新版本做了调整
• 2.AttributeError: ‘module’ object has no attribute ‘histogram_summary’修改为：tf.summary.histogram
• 3.tf.merge_all_summaries()改为：tf.summary.merge_all()
• 4.AttributeError: ‘module’ object has no attribute ‘SummaryWriter’:tf.train.SummaryWriter改为tf.summary.FileWriter