一行代码迁移TensorFlow 1.x到TensorFlow 2.0

\u003cblockquote\u003e\n\u003cp\u003eTensorFlow 2.0将会包含许多API改变，例如改变参数顺序、重命名、修改默认值等。手动迁移代码比较繁琐，还有出错的风险。为了让你的老代码能够向TensorFlow 2.0无缝迁移，TensorFlow开发组推出了tf_upgrade_v2功能。\u003c/p\u003e\n\u003c/blockquote\u003e\n\u003cp\u003e当你使用pip安装TensorFlow 2.0时，tf_upgrade_v2就会自动安装，它可以帮你更快速地将已有的TensorFlow 1.13脚本迁移到TensorFlow 2.0。\u003c/p\u003e\n\u003cp\u003e我们尝试尽可能多地自动执行升级任务：但是，仍然有一些句法和风格改变是tf_upgrade_v2无法自动迁移的，这些变更无法用简单的字符串替换来实现。为了确保你的代码可以被TensorFlow 2.0支持，升级脚本中包含了一个compat.v1模块。这个模块会将tf.foo形式的调用替换为tf.compat.v1.foo。我们推荐的做法是，尽快人工校对这些替换，并将它们迁移到tf.*命名空间下的新API而不是使用tf.compat.v1.*命名空间。\u003c/p\u003e\n\u003cp\u003e另外，由于一些模块被废弃（例如tf.flags和tf.contrib），TensorFlow 2.0会包含一些无法通过切换到compat.v1解决的变更。升级这些代码需要用到额外的库（如absl.flags）或者将代码切换到tensorflow/addons包下。\u003c/p\u003e\n\u003cp\u003e如果你想要把模型从TensorFlow 1.12迁移到TensorFlow 2.0，首先要安装tf-nightly-2.0-preview或tf-nightly-gpu-2.0-preview。\u003c/p\u003e\n\u003cp\u003e然后就可以通过运行一个单独的Python脚本直接升级：\u003c/p\u003e\n\u003cpre\u003e\u003ccode\u003etf_upgrade_v2 — infile foo.py — outfile foo-upgraded.py\n\u003c/code\u003e\u003c/pre\u003e\n\u003cp\u003e\u003cimg src=\"https://static.geekbang.org/infoq/5c77a9d780a63.png\" alt=\"image\" /\u003e\u003c/p\u003e\n\u003cp\u003e\u003cstrong\u003e注意\u003c/strong\u003e：通过pip install安装TensorFlow 1.13及后续版本时会自动安装tf_upgrade_v2。\u003c/p\u003e\n\u003cp\u003e也可以在文件夹目录中执行升级脚本：\u003c/p\u003e\n\u003cpre\u003e\u003ccode\u003e# upgrade the .py files and copy all the other files to the outtree\ntf_upgrade_v2 — intree foo/ — outtree foo-upgraded/\n# just upgrade the .py files\ntf_upgrade_v2 — intree foo/ — outtree foo-upgraded/ — copyotherfiles False\n\u003c/code\u003e\u003c/pre\u003e\n\u003cp\u003e脚本会列出到底做了哪些改动，例如参数重命名：\u003c/p\u003e\n\u003cp\u003e\u003cimg src=\"https://static.geekbang.org/infoq/5c77aa23d5a6c.png\" alt=\"image\" /\u003e\u003c/p\u003e\n\u003cp\u003e添加关键字：\u003c/p\u003e\n\u003cp\u003e\u003cimg src=\"https://static.geekbang.org/infoq/5c77aa73c2906.png\" alt=\"image\" /\u003e\u003c/p\u003e\n\u003cp\u003e以及有哪些地方推荐进行人工检查：\u003c/p\u003e\n\u003cp\u003e\u003cimg src=\"https://static.geekbang.org/infoq/5c77aa8cd4fb8.png\" alt=\"image\" /\u003e\u003c/p\u003e\n\u003cp\u003e所有的信息都会被包含在当前文件夹的report.txt中。升级完成后，你可以运行模型来检查你的输出是否和1.13版本的输出相似。\u003c/p\u003e\n\u003cp\u003e\u003cimg src=\"https://static001.infoq.cn/resource/image/8b/3c/8b3665619b7b9e27bcbe8278657cf93c.gif\" alt=\"\" /\u003e\u003c/p\u003e\n\u003ch3\u003e警告\u003c/h3\u003e\n\u003cul\u003e\n\u003cli\u003e\n\u003cp\u003e在运行脚本之前，不要手动修改代码。尤其是那些会变更参数顺序的函数，例如tf.argmax或者tf.batch_to_space，这会导致脚本错误地映射参数关键词。\u003c/p\u003e\n\u003c/li\u003e\n\u003cli\u003e\n\u003cp\u003e脚本本身不会进行参数重排序，只会为发生了参数重排的函数添加参数关键字\u003c/p\u003e\n\u003c/li\u003e\n\u003c/ul\u003e\n\u003cp\u003e参考链接：\u003cbr /\u003e\n\u003ca href=\"https://medium.com/tensorflow/upgrading-your-code-to-tensorflow-2-0-f72c3a4d83b5\"\u003ehttps://medium.com/tensorflow/upgrading-your-code-to-tensorflow-2-0-f72c3a4d83b5\u003c/a\u003e\u003c/p\u003e\n\u003cp\u003e更多内容，请关注AI前线\u003c/p\u003e\n\u003cp\u003e\u003cimg src=\"https://static.geekbang.org/infoq/5c6947ecc1649.png\" alt=\"image\" /\u003e\u003c/p\u003e\n