Question

如何编辑sessions.run函数，使其在Tensorflow 2.0上运行？

  with tf.compat.v1.Session(graph=graph) as sess:
    start = time.time()
    results = sess.run(output_operation.outputs[0],
                      {input_operation.outputs[0]: t})

我阅读了文档over here，并了解到您必须更改如下功能：

  normalized = tf.divide(tf.subtract(resized, [input_mean]), [input_std])
  sess = tf.compat.v1.Session()
  result = sess.run(normalized)

  return result

对此：

def myFunctionToReplaceSessionRun(resized,input_mean,input_std):
    return tf.divide(tf.subtract(resized, [input_mean]), [input_std])

normalized = myFunctionToReplaceSessionRun(resized,input_mean,input_std)

但是我不知道如何更改第一个。

这里有点上下文，我正在尝试this代码实验室，并发现sess.run给我带来了麻烦。

This is the command line output when running the label_images file.

And this is the function that gave errors.

Answer 1

使用TensorFlow 1.x，我们创建了tf.placeholder张量，数据可以通过它们进入图形。我们将feed_dict=对象与tf.Session()一起使用。

在TensorFlow 2.0中，由于默认情况下急于执行，我们可以将数据直接馈送到图形。使用@tf.function批注，我们可以将函数直接包含在图形中。 official docs说，

此合并的中心是tf.function，它使您可以将Python语法的子集转换为可移植的高性能 TensorFlow图。

这是文档中的一个简单示例，

@tf.function
def simple_nn_layer(x, y):
  return tf.nn.relu(tf.matmul(x, y))


x = tf.random.uniform((3, 3))
y = tf.random.uniform((3, 3))

simple_nn_layer(x, y)

现在，调查您的问题，您可以将函数转换为

@tf.function
def get_output_operation( input_op ):
    # The function goes here
    # from here return `results`

results = get_output_operation( some_input_op )

简而言之，占位符张量转换为函数参数，tensor中的sess.run( tensor )由函数返回。所有这些都发生在带有@tf.function注释的函数中。

将TensorFlow sess.run转换为@ tf.function

1 个答案: