Question

我已将tf_upgrade_v2 TF1代码升级为TF2。我俩都是菜鸟。我遇到下一个错误：

RuntimeError: tf.placeholder() is not compatible with eager execution.

我有一些tf.compat.v1.placeholder()。

self.temperature = tf.compat.v1.placeholder_with_default(1., shape=())
self.edges_labels = tf.compat.v1.placeholder(dtype=tf.int64, shape=(None, vertexes, vertexes))
self.nodes_labels = tf.compat.v1.placeholder(dtype=tf.int64, shape=(None, vertexes))
self.embeddings = tf.compat.v1.placeholder(dtype=tf.float32, shape=(None, embedding_dim))

您能给我一些有关如何进行的建议吗？任何“快速”解决方案？还是应该重新编码？

Answer 1

如果在使用TensorFlow模型进行对象检测时遇到此错误，请使用exporter_main_v2.py而非export_inference_graph.py来导出模型。这是正确的方法。如果您只是关闭eager_execution，它将解决此错误，但会生成其他错误。

还请注意，有一些参数更改，例如，您将指定检查点目录的路径而不是检查点的路径。请参阅this文档，以了解如何使用TensorFlow V2进行对象检测

Answer 2

在TensorFlow 1.X中，创建了占位符，并打算在实例化tf.Session时将其馈入实际值。但是，从TensorFlow2.0起，默认情况下已启用Eager Execution，因此“占位符”的概念没有意义，因为操作是立即进行计算的（而不是与旧的范例有所不同）。

另请参见Functions, not Sessions

# TensorFlow 1.X
outputs = session.run(f(placeholder), feed_dict={placeholder: input})
# TensorFlow 2.0
outputs = f(input)

Answer 3

tf.placeholder（）旨在被馈送到会话，该会话在运行时从feed dict接收值并执行所需的操作。通常，您将使用'with'关键字创建一个Session（）并运行它，但这可能并不适合所有需要立即执行的情况，这被称为渴望执行。示例：

通常，这是运行会话的过程：

import tensorflow as tf

def square(num):
    return tf.square(num) 

p = tf.placeholder(tf.float32)
q = square(num)

with tf.Session() as sess:
    print(sess.run(q, feed_dict={num: 10})

但是当我们急切地执行时，我们将其运行为：

import tensorflow as tf

tf.enable_eager_execution()

def square(num):
   return tf.square(num)

print(square(10))

因此，我们无需在会话中显式运行它，并且在大多数情况下可以更加直观，这提供了更多的交互式执行。有关更多详细信息，请访问： https://www.tensorflow.org/guide/eager

如果要将代码从tensorflow v1转换为tensorflow v2，则必须实现tf.compat.v1，并且tf.compat.v1.placeholder中存在占位符，但这只能在急切模式下执行。

tf.compat.v1.disable_eager_execution()

TensorFlow释放了渴望的执行模式，对于该模式，定义后立即执行每个节点。因此，使用tf.placeholder的语句不再有效。

Answer 4

我在这里找到了一个简单的解决方案：disable Tensorflow eager execution

基本上是：

tf.compat.v1.disable_eager_execution()

通过此操作，您可以禁用默认的激活急切执行功能，而无需过多地触摸代码。

RuntimeError：tf.placeholder（）与急切执行不兼容

4 个答案: