Question

我的文件很少，包含不同的文件：

main.py
watch.py
read.py
detect.py＆lt; - 使用基于张量流的库依赖于图表模式的darkflow
translate.py＆lt; - 使用tf 急切的执行

在darkflow的TFNet初始化期间，我收到此错误：

Traceback (most recent call last):
  File "/home/justin/Projects/comp3931/main.py", line 6, in <module>
    watcher = Watcher('res/vid/planet_earth_s01e01/video.mp4', 'res/vid/planet_earth_s01e01/english.srt')
  File "/home/justin/Projects/comp3931/watch.py", line 9, in __init__
    self.detector = Detector()
  File "/home/justin/Projects/comp3931/detect.py", line 6, in __init__
    self.tfnet = TFNet(self.options)
  File "/usr/local/lib64/python3.6/site-packages/darkflow/net/build.py", line 75, in __init__
    self.build_forward()
  File "/usr/local/lib64/python3.6/site-packages/darkflow/net/build.py", line 105, in build_forward
    self.inp = tf.placeholder(tf.float32, inp_size, 'input')
  File "/usr/local/lib/python3.6/site-packages/tensorflow/python/ops/array_ops.py", line 1677, in placeholder
    raise RuntimeError("tf.placeholder() is not compatible with "
RuntimeError: tf.placeholder() is not compatible with eager execution.

所以，我假设当我从Translator文件中实例化translate.py类时，它会调用整个程序的急切执行，这与对darkflow {{1}的调用不兼容来自TFNet

的Dectector类中使用的类

如果我独立于其他人运行detect.py它可以正常工作，如果在没有translate.py的情况下运行它们，其他模块也可以正常工作。

我猜他们使用不同的上下文（graph / eager）这一事实，整个事情可以在同一个程序中一起运行。我已经尝试查看文档，但在需要时无法找到切换回图形模式的方法。

有什么方法可以在不同的地方在同一个应用程序中同时运行eager和graph模式吗？

Answer 1

最好编写与图形模式和急切执行兼容的代码。来自documentation：

使用tf.data进行输入处理而不是队列。它更快更容易。

使用面向对象的层API（如tf.keras.layers和tf.keras.Model），因为它们具有显式的变量存储。

大多数模型代码在eager和graph执行期间的工作方式相同，但也有例外。（例如，使用Python的动态模型   控制流程以根据输入改变计算。）

一旦使用tf.enable_eager_execution启用了急切执行，就无法关闭它。启动一个新的Python会话以返回图形   执行。

也就是说，可以使用tfe.py_func()在图形模式下使用急切执行。这是文档中的代码示例（我刚刚添加了导入和断言）：

import tensorflow as tf
import tensorflow.contrib.eager as tfe

def my_py_func(x):
    assert tf.executing_eagerly()
    x = tf.matmul(x, x)  # You can use tf ops
    print(x)  # but it's eager!
    return x

assert not tf.executing_eagerly()
with tf.Session() as sess:
    x = tf.placeholder(dtype=tf.float32)
    # Call eager function in graph!
    pf = tfe.py_func(my_py_func, [x], tf.float32)
    sess.run(pf, feed_dict={x: [[2.0]]})  # [[4.0]]

正如Alex Passos在this video中解释的那样，反过来也是可能的。这是一个受视频启发的例子：

import tensorflow as tf
import tensorflow.contrib.eager as tfe

tf.enable_eager_execution()

def my_graph_func(x):
    assert not tf.executing_eagerly()
    w = tfe.Variable(2.0)
    b = tfe.Variable(4.0)
    return x * w + b

assert tf.executing_eagerly()
g = tfe.make_template("g", my_graph_func, create_graph_function_=True)
print(g(3))

使用eager_mode中定义的graph_mode和tensorflow.python.eager.context上下文，这也是一种切换模式的非正式方式：

import tensorflow as tf
import tensorflow.contrib.eager as tfe
from tensorflow.python.eager.context import eager_mode, graph_mode

with eager_mode():
    print("Eager mode")
    assert tf.executing_eagerly()
    x1 = tfe.Variable(5.0)
    print(x1.numpy())

print()
with graph_mode():
    print("Graph mode")
    assert not tf.executing_eagerly()

    x2 = tfe.Variable(5.0)
    with tf.Session():
        x2.initializer.run()
        print(x2.eval())

由于它不是官方的，你应该在生产代码中避免它，但它可能在调试时或在Jupyter笔记本中派上用场。最后一个选项是使用此switch_to()函数：

import tensorflow as tf
import tensorflow.contrib.eager as tfe
from tensorflow.python.eager.context import context, EAGER_MODE, GRAPH_MODE

def switch_to(mode):
    ctx = context()._eager_context
    ctx.mode = mode
    ctx.is_eager = mode == EAGER_MODE

switch_to(EAGER_MODE)
assert tf.executing_eagerly()
v = tfe.Variable(3.0)
print(v.numpy())
assert tf.get_default_graph().get_operations() == []

switch_to(GRAPH_MODE)
assert not tf.executing_eagerly()
v = tfe.Variable(3.0)
init = tf.global_variables_initializer()
assert len(tf.get_default_graph().get_operations()) > 0
with tf.Session():
    init.run()
    print(v.eval())

这真的是一个黑客攻击，但如果您不想将所有代码嵌套在with块中，它可能在Jupyter笔记本中很有用。

Answer 2

https://www.tensorflow.org/programmers_guide/eager （向下滚动到＆＃34;在图形环境中使用急切执行＆＃34;）。

也许这有帮助...

如何仅在应用程序的特定部分使用tensorflow eager执行？

2 个答案: