TensorFlow更新修改函数名

最新推荐文章于 2021-09-24 20:32:56 发布
最新推荐文章于 2021-09-24 20:32:56 发布
阅读量651 收藏
点赞数
分类专栏： Tensorflow
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/evolone/article/details/79078136
版权

Tensorflow更新到1.0，对部分函数名进行了修改，导致之前的代码中调用的函数发生错误，程序不兼容。

比如，
tf.initialize_all_variables() ——> tf.global_variables_initializer()

evolone
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
关于TensorFlow新旧版本函数接口变化详解
12-20
TensorFlow版本更新太快 了，所以导致一些以前接口函数不一致，会报错。 这里总结了一下自己犯的错，以防以后再碰到，也可以给别人参考。 首先我的cifar10的代码都是找到当前最新的tf官网给的，所以后面还有新的tf出来改动了的话，可能又会失效了。 1.python3：(unicode error) ‘utf-8’ codec can’t decode 刚开始执行的时候就报这个错，很郁闷后来发现是因为我用多个编辑器编写， 保存。导致不同编辑器编码解码不一致，会报错。所以唯一的办法全程用 一个编辑器去写，保存。或者保证都是用一种方式编码解码就OK了 一：Tersorflow CIFAR-
tensorflow中部分函数被修改
计算机图形学与深度学习
01-07 403
tensorflow中部分函数被修改 截止发文tensorflow 1.1.0 for mac and 1.2 for windows AttributeError: ‘module’ object has no attribute ‘SummaryWriter’ tf.train.SummaryWriter 改为：tf.summary.FileWriter AttributeError
Tensorflow | 函数名字的更新
求知：数据科学家之路
02-27 4179
Tensorflow 更新到1.0后，一些函数发生了变化，也有些函数迁移到contrib中，在运行代码时易报错。 这次仅仅说几个我遇到的名称变化的函数： tf.sub ——> tf.subtract tf.mul ——> tf.multiply 后续遇到再更新列表
tensorflow-函数变动
weixin_43523410的博客
02-19 358
tf函数变化不定期汇总 https://blog.csdn.net/stq054188/article/details/84371844
tensorflow的基础函数(定期更新)
绑个蝴蝶结的博客
01-20 178
写下这个是为了以后方便查看tensorflow一些函数 1.tf.nn.relu() tf.nn.relu() 激活函数:>0不变，<0置0 2.data=[1,1,1,1,2,2,2,2] tf.reshape(data,[-1,4]) 也就是列数为4，行数取最大值：8/4=2 tf.reshape(data,[2,-1]) 也就是行数为2，列数取最大值：8/4=4 3.tf.m...
Tensorflow 定义变量,函数,数值计算等名字的更新方式
09-18
在TensorFlow中，一些旧的函数名被更改为更加清晰的名称，以提高代码的可读性： - `tf.audio_summary`：用于音频数据的摘要，现在应使用`tf.summary.audio`。 - `tf.contrib.deprecated.histogram_summary`、`tf....
使用tensorflow根据输入更改tensor shape
09-16
首先，TensorFlow提供了一个名为`tf.shape`的函数，用于获取一个Tensor的形状。这个函数返回的是一个Tensor，而不是一个静态的列表。这意味着`tf.shape`的输出能够根据输入Tensor的形状动态变化。例如，如果你有一个...
tensorflow源码
03-10
优化算法（如梯度下降）根据损失函数来更新模型的参数。 ### 9. 优化器（Optimizer） 优化器负责根据损失函数的梯度更新模型的参数。TensorFlow 包含多种优化器，如梯度下降（Gradient Descent）、Adam（Adaptive ...
tensorflow模型转ncnn的操作方式
09-16
转换过程中可能还会遇到其他不兼容的问题，如卷积的padding方式、激活函数等，这些都需要根据实际情况进行适配。通过这种方式，你可以将TensorFlow模型转换为NCNN模型，从而在移动设备上实现高效推理。记得在转换...
SSD.TensorFlow-AbsoluteCoord.zip
12-18
这个名为"SSD.TensorFlow-AbsoluteCoord.zip"的压缩包显然包含了SSD在TensorFlow上的实现源代码，以及相关的数据集和测试资源，旨在帮助开发者和研究人员快速理解和应用SSD模型。 首先，让我们深入了解一下SSD模型...
tensorflow函数更名
weixin_39012047的博客
10-26 224
tf.sub()更改为tf.subtract() tf.mul()更改为tf.multiply() tf.types.float32更改为tf.float32 tf.pact()更改为tf.stact() tf.neg 更改为tf.negative tf.train.SummaryWriter 改为：tf.summary.FileWriter tf.merge_all_summarie...
tensorflow1代码升级
qq_45919032的博客
09-24 520
将TensorFlow1.x中的代码移植到2.x版本 可用tensorflow2.x中附带的工具tf_upgrade_v2。使代码的升级过程变得更加简单。 该工具支持单文件转换和多文件批量转换两种方式。 1.对单个代码文件进行转换 在命令行中输入tf_upgrade_v2命令，“–infile”参数来指定输入的文件，“–outfile”参数指定输出文件。命令如下： tf_upgrade_v2 --infile file_v1.py --outfile file_v2.py 2.批量转化多个代码文件 同样还
tensorflow版本更新的问题归纳
s840993622的博客
11-29 752
tensorflow在前段时间更新了2.0.0版本，本人兴高采烈的更新了最新的版本，不料这一下子像是炸开了的河堤，不忍直视，然后本人就开始了新的探索（踩坑）之旅，简直爽到不要，言归正传： 1.module ‘tensorflow’ has no attribute ‘placeholder’ 这一类问题就是由于tensorflow版本更新引发的，在此前版本的代码中，习惯tf.placeholder...
DLL导出函数的名字[ZT]
weixin_30360497的博客
08-16 252
使用Dependency看DLL的导出函数的名字，会发现有一些有意思的东西，这大多是和编译DLL时候指定DLL导出函数的导出符有关系。/////////////////////////////////////////////////////////////////////////////////////////////////////////////////////////////////////...
tensorflow1.x和tensorflow2.0两个版本的函数对比表
热门推荐
xue_csdn的博客
11-05 1万+
https://docs.google.com/spreadsheets/d/1FLFJLzg7WNP6JHODX5q8BDgptKafq_slHpnHVbJIteQ/edit#gid=0 如果打不开网页，可以直接从我的网盘里下载：https://pan.baidu.com/s/1cWHtdQM1yoMOM4ZXt_vY9w，提取码：i953 ...
Tensorflow2.0版本高效实用指南快速上手3个建议——Tensor2.0版本与1.0版本有哪些改动之处
AI工匠Book
09-08 4895
本文转载youlan博客：Tensorflow2.0版本高效指南 为提高 TensorFlow 的工作效率，TensorFlow 2.0 进行了多项更改，包括删除了多余的 API，使API更加一致统一，例如统一的 RNNs (循环神经网络），统一的优化器，并且Python 运行时更好地集成了 Eager execution 。 许多 RFC 已经对 TensorFlow 2.0 的这些更改给出了...
C++之namespace
weixin_39187443的博客
02-02 772
错误的是 namespace A { int i = 1; } namespace B { void a(void); void b(void); void c(void); void d(void); } void B::a(void) { using namespace A; i++; } void B::b(void) { using A::i; i++; } void B::c(void) { A::i...
TensorFlow命名空间和TensorBoard图节点
legend_hua的博客
12-22 3755
TensorFlow命名空间和TensorBoard图节点 一，命名空间函数 tf.variable_scope tf.name_scope 先以下面的代码说明两者的区别 # 命名空间管理函数 ''' 说明tf.variable_scope和tf.name_scope的区别 ''' def manage_namespace(): with tf.variable_scope("foo
tensorflow 版本函数区别记录
the_conquer_zzy的专栏
03-26 759
init=tf.global_variables_initializer() #init 初始化的最新操作 # # tf.initialize_all_variables() 已经被取消了
tensorflow加载face_model.pb
最新发布
09-02
### 回答1： 要加载 TensorFlow 中的 face_model.pb 文件，可以使用以下代码： ```python import tensorflow as tf # 加载模型 with tf.gfile.FastGFile('path/to/face_model.pb', 'rb') as f: graph_def = tf.GraphDef() graph_def.ParseFromString(f.read()) tf.import_graph_def(graph_def, name='') # 在会话中运行模型 with tf.Session() as sess: # 输入和输出节点名称 input_name = 'input:0' output_name = 'output:0' # 获取输入和输出节点 input_tensor = sess.graph.get_tensor_by_name(input_name) output_tensor = sess.graph.get_tensor_by_name(output_name) # 准备输入数据 input_data = ... # 运行模型 output_data = sess.run(output_tensor, feed_dict={input_tensor: input_data}) ``` 在这个代码中，我们首先使用 `tf.gfile.FastGFile` 函数加载 face_model.pb 文件。然后，我们使用 `tf.GraphDef` 类解析模型的图定义，并使用 `tf.import_graph_def` 函数将图定义导入 TensorFlow 的默认图中。 接下来，我们创建一个 TensorFlow 会话，并使用 `sess.graph.get_tensor_by_name` 函数获取输入和输出节点。我们需要知道输入和输出节点的名称，这通常在模型的文档中有说明。 最后，我们准备输入数据，并使用 `sess.run` 函数来运行模型并得到输出数据。 ### 回答2： 在TensorFlow中加载face_model.pb文件需要以下步骤： 首先，要确保已经安装了TensorFlow库。在Python环境中导入TensorFlow库。 import tensorflow as tf 接下来，我们需要创建一个会话对象。 sess = tf.Session() 然后，通过使用tf.gfile模块中的读取函数tf.gfile.GFile()读取face_model.pb文件。 with tf.gfile.GFile('face_model.pb', 'rb') as f: graph_def = tf.GraphDef() graph_def.ParseFromString(f.read()) 这里，'face_model.pb'是文件名，根据实际情况进行修改。 接下来，通过使用tf.import_graph_def()方法将读取到的模型定义加载到会话中的默认图中。 sess.graph.as_default() tf.import_graph_def(graph_def, name='') 现在，face_model.pb已经成功加载到TensorFlow会话中。 最后，我们可以通过使用tf.summary.FileWriter()方法将图形和日志保存到指定路径。 writer = tf.summary.FileWriter('log_path', sess.graph) writer.close() 这样，我们就成功加载了face_model.pb文件，并将图形和日志保存到了指定路径。 请注意，加载face_model.pb文件之前，需要确保该文件已经存在，并且是经过训练的合法模型文件。 ### 回答3： 要加载TensorFlow中的face_model.pb文件，可以按照以下步骤进行操作： 首先，我们需要导入tensorflow库来进行加载和操作模型。可以使用以下命令进行导入： import tensorflow as tf 然后，我们可以使用tf.compat.v1.gfile模块中的GFile函数来读取模型文件。可以使用以下命令加载模型： with tf.compat.v1.gfile.GFile('face_model.pb', 'rb') as f: graph_def = tf.compat.v1.GraphDef() graph_def.ParseFromString(f.read()) 接下来，我们可以使用tf.compat.v1.import_graph_def函数将图定义导入到当前的默认图中。可以使用以下命令来加载图定义： tf.compat.v1.import_graph_def(graph_def, name='') 现在，我们已经成功加载了face_model.pb文件中的模型。我们可以通过访问默认图中的操作来使用模型。 例如，如果模型中有一个名为'input_image'的输入张量和一个名为'output'的输出张量，我们可以通过以下方式访问它们： input_image = tf.compat.v1.get_default_graph().get_tensor_by_name('input_image:0') output = tf.compat.v1.get_default_graph().get_tensor_by_name('output:0') 现在，我们可以使用这些张量来进行后续的图计算和预测。 需要注意的是，如果你使用的是TensorFlow 2.x版本，上述代码需要稍作修改。具体来说，你需要使用tf.io.gfile模块中的GFile函数来代替tf.compat.v1.gfile模块中的GFile函数。此外，你还需要使用tf.compat.v1.graph_def模块中的GraphDef函数来代替tf.compat.v1.GraphDef函数。反之，如果你是使用TensorFlow 1.x版本，则按照上述代码进行操作即可。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值