tensorflow报错总结

项目场景：

tensorflow 版本 不兼容产生的报错

---

问题描述：

1.AttributeError: module ‘tensorflow’ has no attribute ‘random_uniform’

解决办法：tf2.0中用tf.random.uniform代替了random_uniform

2.RuntimeError: loss passed to Optimizer.compute_gradients should be a funct

报错行：

train = tf.train.GradientDescentOptimizer(0.01).minimize(cost)

解决办法：函数改为 train = tf.compat.v1.train.GradientDescentOptimizer(0.01).minimize(cost)

官方文档：
tensorflow文档

3.AttributeError: module ‘tensorflow’ has no attribute ‘Session’

报错行

 with tf.Session() as sess:

解决办法：在新的Tensorflow 版本中已经移除了Session这一模块，改换运行代码

tf.compat.v1.Session()

4.RuntimeError: The Session graph is empty. Add operations to the graph before calling run().

该流图为空，但是在tensorflow2.0之后已经不再需要用到tf.Session了
在tf2.0中，所有运算仅以张量形式进行，但可以在运算结束时将其变为数组形式，所以将张量改为numpy形式

import tensorflow as tf
import os
os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'  # 去警告

def tensorflowdemo():
    a = tf.constant(12)
    b = tf.constant(78)
    c = a + b
    print("c = ", c)
    print("cval= ", c.numpy())

5.ValueError: Dimension 0 in both shapes must be equal, but are 10 and 3. Shapes are [10,?] and [3,10].

解决办法：值错误:两种形状的维度必须相等，不可以顺便改形状

6.AttributeError: module ‘tensorflow’ has no attribute ‘placeholder’

报错行：

c = tf.placeholder(dtype=tf.float32, shape=[3, 2])

解决办法：tensorflow版本不兼容问题，所以更改导入模块方式，就可以在tensorflow2下使用tensorflow1的方法

import tensorflow.compat.v1 as tf
tf.disable_v2_behavior()