将 TensorFlow 1.5 转换为 TensorFlow 2

Question

你会如何将此 TensorFlow 1.5 代码转换为 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))))主要问题是Session该类已在 Tensorflow 2 中删除，并且该compat.v1层中暴露的版本实际上似乎并不兼容。当我使用 Tensorflow 2 运行此代码时，它现在会引发异常：RuntimeError: Attempting to capture an EagerTensor without building a function.如果我完全放弃使用Session，那在功能上是否仍然等效？如果我运行：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 中运行速度明显更快（0.005 秒对 30 秒），而从 pip 安装的库存 Tensorflow 2（不支持 AVX2）也运行得更快一些（30 秒对 60 秒）。为什么使用SessionTensorflow 1.16 会减慢 6000 倍？

Answer 1

您当然应该利用 TF 2.x 的优势，包括 Eager Execution。它不仅非常方便，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 中不再需要任何会话，Auto Graph 会自动为您完成。

只需使用注释“主要”功能@tf.function（无需注释其他功能，例如get_values，这也会自动发生）。

Answer 2

关于您的第一个问题，我能够让它在 Colab 中运行，并添加了“disable_eager_execution()”调用 - 似乎 TF 2.0 中默认启用了“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))))

我希望这有帮助。