你會如何將此 TensorFlow 1.5 代碼轉換為 Tensorflow 2？import tensorflow as tftry: Session = tf.Sessionexcept AttributeError: Session = tf.compat.v1.SessionA = random_normal([10000,10000])B = random_normal([10000,10000])with Session() as sess: print(sess.run(tf.reduce_sum(tf.matmul(A,B))))主要問題是Session該類已在 Tensorflow 2 中刪除，并且該compat.v1層中暴露的版本實際上似乎并不兼容。當我使用 Tensorflow 2 運行此代碼時，它現在會引發異常：RuntimeError: Attempting to capture an EagerTensor without building a function.如果我完全放棄使用Session，那在功能上是否仍然等效？如果我運行：import tensorflow as tfA = random_normal([10000,10000])B = random_normal([10000,10000])with Session() as sess: print(tf.reduce_sum(tf.matmul(A,B)))它在支持 AVX2 的 Tensoflow 1.16 中運行速度明顯更快（0.005 秒對 30 秒），而從 pip 安裝的庫存 Tensorflow 2（不支持 AVX2）也運行得更快一些（30 秒對 60 秒）。為什么使用SessionTensorflow 1.16 會減慢 6000 倍？
2 回答
Cats萌萌
TA貢獻1805條經驗 獲得超9個贊
您當然應該利用 TF 2.x 的優勢，包括 Eager Execution。它不僅非常方便，而且效率更高。
import tensorflow as tf
def get_values():
A = tf.random.normal([10_000,10_000])
B = tf.random.normal([10_000,10_000])
return A,B
@tf.function
def compute():
A,B = get_values()
return tf.reduce_sum(tf.matmul(A,B))
print(compute())
您（大部分）在 TF 2.x 中不再需要任何會話，Auto Graph 會自動為您完成。
只需使用注釋“主要”功能@tf.function（無需注釋其他功能，例如get_values，這也會自動發生）。
largeQ
TA貢獻2039條經驗 獲得超8個贊
關于您的第一個問題，我能夠讓它在 Colab 中運行，并添加了“disable_eager_execution()”調用 - 似乎 TF 2.0 中默認啟用了“eager execution”模式：
# Install TensorFlow
try:
# %tensorflow_version only exists in Colab.
%tensorflow_version 2.x
except Exception:
pass
import numpy as np
import tensorflow as tf
from tensorflow.python.framework.ops import disable_eager_execution
disable_eager_execution()
print(tf.executing_eagerly())
print(tf.__version__)
matdim = 1000
try:
Session = tf.Session
except AttributeError:
Session = tf.compat.v1.Session
A = tf.random.normal([matdim,matdim])
B = tf.random.normal([matdim,matdim])
with Session() as sess:
print(sess.run(tf.reduce_sum(tf.matmul(A,B))))
我希望這有幫助。
添加回答
舉報
0/150
提交
取消