Tensorflow2.0框架的使用感悟

1. 即时执行模式

Tensorflow2.0版本的框架时，一般默认为即使执行模式。但是如果你使用的是tensorflow1.x版本框架，必须在导入相应的库函数之后，还需要调用这个函数：tf.enable_eager_execution()，启用及时执行模式，否则会导致如下类似错误：
AttributeError: ‘RefVariable‘ object has no attribute ‘_id‘、AttributeError: ‘Tensor‘ object has no attribute ‘numpy‘等。

2. 导入第三方的库报错

（1）在导入第三方库时，有时候会报错：No module named “XXX” ,一般我们只需要pip install 相应的package即可。
（2）但是如果使用其自己或者他人编写的的代码库时，有可能会报如下错误：ModuleNotFoundError: No module named ‘zh.model’; ‘zh’ is not a package （zh是该作者的写的代码库: 简明的TensorFlow2）

特别是我们在使用pycharm调试代码时，因为Pycharm默认不会执行当前目录下的文件。为了解决上述问题：
a.将zh代码库拷贝到当前目录下，并将其设置成source code(右键单击选择相应选项即可)。
b.在zh文件夹下新建一个__init__.py文件。里面内容可以为空

（图2-1文件存放的路径）

（图2-2 设置成源文件）

（图2-3 添加__init__.py文件）

3. 模型的保存及部署

为了将训练好的机器学习模型部署到各个目标平台，我们首先要做的就是保存模型，将其导出标准格式的文件。然后可以在不同的部署平台使用相应的部署工具即可调用模型。
（1）将训练好的模型保存并导出
一般使用SaveModel模块保存模型。具体的文章及代码可以参考： 模型保存.
（2）一般工业界将模型部署在服务器上，需要使用Tensorflow Serving,而服务器一般是Linux系统，但是我们一般使用windows系统编写代码，此时可以安装windows10自带的Linux子系统。 安装子系统的参考文章请访问：WSL.
我在安装WSL的过程中遇到的问题就是步骤7，设置新分发的时候出现了问题：
Installing, this may take a few minutes…
WslRegisterDistribution failed with error: 0x80071772
Error: 0x80071772 ???

Press any key to continue…

为了解决这个问题，直接换用最新版的Ubuntu即可。
（3）当安装好windows10的linux子系统之后，安装TensorFlow Serving后，我们可以使用TensorFlow Serving进行部署，最常见的方式，是在服务器上提供一个 API，即客户机向服务器的某个 API 发送特定格式的请求，服务器收到请求数据后通过模型进行计算，并返回结果。相关文章可以参考： TensorFlow Serving安装及使用.
这里需要注意的是由于电脑是windows10系统和linux系统的文件夹互相读取时不时很方便，这里建议将保存的模型放在linux系统的文件夹下。我遇到的问题如下：

最后我将保存的模型文件保存到了linux系统可读取的文件夹下（pwd指令确定即可），部署成功得状态显示如下：

（4）然后在python客户端调用模型即可：