Question

我正在尝试将以前的tf1代码迁移到tf2。不幸的是我的代码没有处于急切模式，所以我遇到了更多困难。我做了以下代码（尚未训练），然后进入错误消息：

Traceback (most recent call last):
    training_op = tf.assign(W, W - learning_rate * gradients)
AttributeError: module 'tensorflow' has no attribute 'assign'

这是我的最小代码示例PS：它必须处理复数！

# Data pre-processing
    m = 50
    n = 20
    x_train, y_train, x_test, y_test = get_my_data(x, y, m, n) # data x of size mxn

    # Network Declaration
    input_size = n
    output_size = 1
    learning_rate = 0.001  # The optimization learning rate
    # Create weight matrix initialized randomely from N~(0, 0.01)
    W = tf.Variable(tf.complex(np.random.rand(input_size, output_size),
                               np.random.rand(input_size, output_size)), name="weights")

    with tf.GradientTape() as gtape:
        y_out = tf.matmul(x_train, W, name="out")
        error = y - y_out
        loss = tf.reduce_mean(tf.square(tf.abs(error)), name="mse")
        gradients = gtape.gradient(loss, [W])[0]
        training_op = tf.assign(W, W - learning_rate * gradients)

我之所以这样做是因为除非他们更改了这些设置，否则优化器不支持复数，因此我会“手工”完成。

Answer 1

tf.assign*函数可作为TF 2.0中tf.Variable上的方法使用。因此，您的示例可以重写为

with tf.GradientTape() as gtape:
    ...
    W.assign_sub(learning_rate * gradients)

请注意，与TF 1.X中的tf.assign不同，tf.Variable.assing_sub将急切地执行分配。

Answer 2

改为尝试tf.compat.v1.assign。它对我有用。

AttributeError：模块'tensorflow'没有属性'assign'

2 个答案: