【debug】复现老代码，遇到tensorboard的api改变

最近在复现各种代码时候，遇到了版本不匹配问题。每次新建环境太久了，就开始改代码。这里总结一下有哪些点可以改。

从 TensorFlow 1 到 TensorFlow 2 迁移时，TensorBoard 的使用方式也发生了一些变化。这主要是因为 TensorFlow 2 强调更简单和更直观的 API，以及默认启用的 Eager Execution 模式。下面是一些主要的改变和你需要注意的点：

1. Eager Execution 默认启用

TensorFlow 2 默认启用 Eager Execution，这意味着运算会立即执行并返回结果，不再需要在一个会话中手动运行 tf.Session()。这简化了很多开发流程，包括在 TensorBoard 中记录数据。

2. API 更新

• Summary 写入器：tf.summary.FileWriter 被替换为 tf.summary.create_file_writer，这是 TensorFlow 2 中创建写入器的方式。
• 记录标量和其他摘要：TensorFlow 1 中的 tf.summary.scalar、tf.summary.image 等函数在 TensorFlow 2 中仍然存在，但使用方式有所不同。在 TensorFlow 2 中，你通常会结合 with writer.as_default() 使用这些函数，而不是创建 tf.Summary 对象。
• 记录操作：在 TensorFlow 1 中，你可能习惯于创建复合的 tf.Summary 对象，并将它们传递到 FileWriter。在 TensorFlow 2 中，推荐直接在 with writer.as_default(): 块中调用 tf.summary 的各种方法（如 tf.summary.scalar, tf.summary.image 等），它们会自动处理数据的记录。

3. 移除 Session 和 Graph

由于不再需要 tf.Session()，所有相关的代码也应当从 TensorBoard 记录中移除。此外，tf.Graph() 的使用在很多情况下也变得不再必要，因为 Eager Execution 支持动态的图结构。

4. 实例化和使用更简洁

在 TensorFlow 2 中，整个过程更为直接和自动化。你不需要显式地管理多个会话或复杂的图状态，这使得代码更容易编写和理解。

示例代码对比

TensorFlow 1.x:

import tensorflow as tf

logdir = './logs'
sess = tf.Session()
writer = tf.summary.FileWriter(logdir, sess.graph)

value1 = tf.placeholder(tf.float32)
summary = tf.summary.scalar('value1', value1)

sess.run(tf.global_variables_initializer())

for i in range(100):
    summary_str = sess.run(summary, feed_dict={value1: i})
    writer.add_summary(summary_str, i)

writer.close()

TensorFlow 2.x:

import tensorflow as tf

logdir = './logs'
writer = tf.summary.create_file_writer(logdir)

with writer.as_default():
    for i in range(100):
        tf.summary.scalar('value1', i, step=i)
        writer.flush()

writer.close()

通过这些改变，TensorFlow 2 的 TensorBoard 集成更为直接和“Pythonic”，减少了许多冗余和模板代码，使得数据的记录和可视化更加高效和简洁。

案例