python 查tensorflow版本_TensorFlow版本兼容性

文章目录

本文档适用于需要向后兼容的用户 TensorFlow（用于代码或数据）的版本，以及需要的开发人员 在保持兼容性的同时修改TensorFlow。

语义版本2.0

TensorFlow遵循语义版本2.0（semver） 公共API。每个发布版本的TensorFlow都有MAJOR.MINOR.PATCH的形式。

例如，TensorFlow 1.2.3版本有MAJOR版本1，MINOR版本2， 和PATCH版本3.每个数字的更改具有以下含义：

主要：潜在的后向不兼容的变化。代码和数据 与以前的主要版本一起工作不一定与新的工作 发布。但是，在某些情况下，现有的TensorFlow图和检查点

可能会迁移到较新的版本;看到 图形和检查点的兼容性 有关数据兼容性的细节。 MINOR：向后兼容功能，速度提升等等

与之前的次要版本一起工作的数据，并且仅依赖于 公共API将继续工作不变。关于什么是和是的细节 不是公共API，看看是什么涵盖。

补丁：向后兼容的错误修复。

例如，1.0.0版引入了向后不兼容的更改 释放0.12.1。但是，版本1.1.1与版本向后兼容 1.0.0。

什么是覆盖

只有TensorFlow的公共API向后兼容minor和 补丁版本。公共API包含

所有记录在Python中的函数和类 tensorflow模块及其子模块除外 tf.contrib的功能和类别

名称以_开头的函数和类（因为它们是私有的） 请注意，examples/和tools/目录中的代码不是 可通过tensorflow

Python模块访问，因此不在此列 兼容性保证。

如果一个符号可以通过tensorflow Python模块或者它的 子模块，但没有记录，那么它不被视为的一部分 公共API。

C API。 以下协议缓冲区文件： attr_value config event graph op_def reader_base

summary tensor tensor_shape types

什么不包括

某些API函数明确标记为“实验性”，可以更改 后向不兼容的方式在次要版本之间。这些包括：

实验性API：Python中的tf.contrib模块及其子模块 以及C API中的任何函数或协议缓冲区中的字段 明确表示是实验性的。

其他语言：Python和C以外的其他语言的TensorFlow API， 如： C ++（通过头文件公开的

tensorflow/cc）。 Java中， 走 复合操作的细节：Python中的许多公共函数扩展为

图中的几个原始操作，这些细节将成为任何的一部分 以GraphDef的形式保存到磁盘。这些细节可能会改变

次要版本。尤其是，回归测试，确切地检查 甚至，图形之间的匹配可能会跨越次要版本 尽管图的行为应该不变并存在 检查站仍然有效。

浮点数值细节：具体的浮点值 由运营商计算可能会随时改变。用户应该只依靠 近似精度和数值稳定性，而不是特定的位

计算。在次要和补丁版本中对数字公式的更改应该是 导致准确性相当或提高，与机器中的警告 学习提高特定公式的准确性可能会导致下降

整个系统的准确性。 随机数字：由特定的随机数字计算的 随机操作可能随时改变。 用户应该只依靠大致正确的分配和

统计强度，而不是计算的具体位数。但是，我们会做出 随机位的变化很少（也可能永远不会）发布。我们 当然会记录所有这些变化。

分布式Tensorflow中的版本偏差：运行两个不同的版本 TensorFlow在单个群集中不受支持。没有保证 关于有线协议的向后兼容性。

错误：我们保留向后兼容行为的权利 （尽管不是API）如果当前实现明显中断， 也就是说，如果它与文档相矛盾，或者如果是知名的

明确的预期行为由于错误而不能正确执行。 例如，如果一个优化器宣称要实现一个众所周知的优化 算法，但由于错误而不匹配该算法，则我们将修复

优化器。我们的修复可能会破坏依赖于错误行为的代码 收敛。我们会在发行说明中注意到这些变化。 错误消息：我们保留更改错误文本的权利

消息。另外，错误的类型可能会改变，除非类型是 在文档中指定。例如，一个函数记录到 举一个InvalidArgument异常会继续

提高InvalidArgument，但人类可读的信息内容可以改变。

图形和检查点的兼容性

你有时需要保存图形和检查点。 图表描述了在训练期间运行的操作的数据流 推理和检查点包含保存在变量中的张量值 图形。

许多TensorFlow用户将图形和训练好的模型保存到磁盘 后来的评估或额外的培训，但最终运行他们保存的图表

或更高版本的模型。符合semver，任何图形或检查点 用一个版本的TensorFlow写出来就可以加载和评估一个

更高版本的TensorFlow与主要版本相同。但是，我们会 尽力在主要版本之间保持向后兼容性 可能的，以便序列化的文件可以长时间使用。

图表通过GraphDef协议缓冲区进行序列化。为了方便（罕见） 向后不兼容的图形变化，每个GraphDef都有一个版本号

与TensorFlow版本分开。例如，GraphDef版本17 inv不赞成使用reciprocal。语义是：

TensorFlow的每个版本都支持GraphDef版本的间隔。这个 间隔将在不同的补丁版本之间保持不变，并且只会越来越大

次要版本。只能删除对GraphDef版本的支持 为TensorFlow的主要版本。 新创建的图表分配了最新的GraphDef版本号。

如果给定版本的TensorFlow支持图形的GraphDef版本， 它将加载和评估与TensorFlow版本相同的行为

用于生成它（除了浮点数字细节和随机 数字），而不考虑TensorFlow的主要版本。尤其是所有 检查点文件将是兼容的。

如果GraphDef上限在（次要）版本中增加到X，那么 在下限增加到X之前至少6个月 例子（我们在这里使用假设的版本号）： TensorFlow

1.2可能支持GraphDef版本4至7。 TensorFlow 1.3可以添加GraphDef版本8并支持版本4到8。

至少半年后，TensorFlow 2.0.0可能会放弃支持 版本4到7，只剩下版本8。

最后，在支持GraphDef版本的时候，我们会试着去做 提供自动将图形转换为新的支持的工具 GraphDef版本。

扩展TensorFlow时的图形和检查点兼容性

只有在对GraphDef进行不兼容的更改时，本节才有意义 格式，如添加操作，删除操作或更改功能 现有的操作。上一节应该足以满足大多数用户的需求。

向后和部分向前兼容

我们的版本方案有三个要求：

向后兼容性，支持加载图形和检查点 用旧版本的TensorFlow创建。 向前兼容性，以支持生产者的场景

图形或检查点之前升级到更新版本的TensorFlow 消费者。 以不兼容的方式启用进化的TensorFlow。例如，删除Ops，

添加属性和删除属性。

请注意，GraphDef版本机制与TensorFlow分离 版本，向后不兼容GraphDef格式的更改仍然存在

受语义版本的限制。这意味着功能只能被删除 或在MAJOR版本的TensorFlow（如1.7到2.0）之间进行更改。

另外，在补丁版本（1.x.1）中强制执行向前兼容性 以1.x.2为例）。

实现向前和向后兼容性，并知道何时执行更改 在格式中，图形和检查点都有描述它们的时间的元数据 被生产了。下面的章节详细介绍了TensorFlow的实现和

不断发展的GraphDef版本指南。

独立的数据版本计划

图形和检查点有不同的数据版本。这两个数据 格式的演变速度不同，速度也不同 来自TensorFlow。两个版本控制系统都在

core/public/version.h。 每当添加新版本时，会在标题中添加注释，详细说明内容 改变和日期。

数据，生产者和消费者

我们区分以下几种数据版本信息： 生产者：生成数据的二进制文件。生产者有一个版本 （producer）以及兼容的最低消费版本

（min_consumer）。 消费者：消耗数据的二进制文件。消费者有一个版本 （consumer）和它们兼容的最低生产者版本

（min_producer）。

每个版本化数据都有一个VersionDef 版本 记录制作数据的producer，min_consumer

它与bad_consumers版本兼容 不允许。

默认情况下，当生产者创建一些数据时，数据会继承生产者的数据 producer和min_consumer版本。

bad_consumers可根据具体情况进行设置 已知消费者版本包含错误，必须避免。消费者可以 接受一段数据如果以下情况都是如此：

consumer> =数据的min_consumer 数据的producer> =消费者的min_producer

consumer不在数据的bad_consumers中

由于生产者和消费者都来自同一个TensorFlow代码库， core/public/version.h

包含一个主要的数据版本，被视为producer或 consumer取决于上下文，min_consumer和min_producer

（分别需要生产者和消费者）。特别，

对于GraphDef型号，我们有TF_GRAPH_DEF_VERSION，

TF_GRAPH_DEF_VERSION_MIN_CONSUMER，和 TF_GRAPH_DEF_VERSION_MIN_PRODUCER。

对于检查点版本，我们有TF_CHECKPOINT_VERSION， TF_CHECKPOINT_VERSION_MIN_CONSUMER，和

TF_CHECKPOINT_VERSION_MIN_PRODUCER。

不断发展的GraphDef版本

本节介绍如何使用这个版本机制来做出不同的 GraphDef格式的更改类型。

添加操作

同时向消费者和生产者添加新的作品，而不是 改变任何GraphDef版本。这种改变是自动的 向后兼容，并且不影响兼容性计划

现有的生产者脚本不会突然使用新的功能。

添加一个操作并切换现有的Python包装来使用它

实现新的消费者功能并增加GraphDef版本。 如果有可能使包装仅使用新功能 以前没有用过的情况下，包装可以现在更新。

更改Python包装以使用新功能。不要增加 min_consumer，因为不使用此操作的模型不应该中断。

删除或限制操作的功能

修复所有的生产者脚本（而不是TensorFlow本身）不使用禁止的操作或 功能。 增加GraphDef版本并实现新的消费者功能

禁止在新版本中删除GraphDefs的操作或功能 以上。如有可能，使TensorFlow停止生产GraphDefs

禁止功能。为此，请添加 REGISTER_OP（…）。已过时（deprecated_at_version， 信息）。

等待主要版本的向后兼容性的目的。 将min_producer从（2）中增加到GraphDef版本，然后删除 功能完全。

更改操作的功能

添加一个新的类似的操作命名为SomethingV2或类似的，并通过 将其添加并切换现有的Python包装来使用它的过程

如果需要向前兼容，可能需要三周的时间。 删除旧的操作（只能发生与主要版本的变化，由于 向后兼容）。

增加min_consumer排除消费者与旧的欧普，加回 旧的Op作为SomethingV2的别名，并经过这个过程切换

现有的Python包装来使用它。 通过该过程删除SomethingV2。

禁止单个不安全的消费者版本

碰撞GraphDef版本并添加坏的版本到bad_consumers

所有新的GraphDefs。如有可能，只能将GraphDefs添加到bad_consumers 其中包含一定的操作或类似的。

如果现有的消费者有不好的版本，尽快将其推出 可能。

未经作者同意，本文严禁转载，违者必究！