时间戳

首页 > 解决方案 > 张量流 2.0.0-alpha0 版本中废弃函数的问题

tensorflow - 张量流 2.0.0-alpha0 版本中废弃函数的问题

问题描述

众所周知，新版本的张量流现已推出。它们提供了一个工具，可以轻松地使用tf_upgrade_v2 --infile original_code.py --outfile upgraded_code.py. 升级代码后，它会生成一个txt report通知你所有的变化，除了需要特别注意的问题，即已经弃用的功能，没有进一步的替代品。

所以不幸的是，我的代码有几个不推荐使用的功能，我正在寻找它的替代品，但仍然没有成功。如果有人可以向我建议任何替代品，我将不胜感激。

1-

 L1 = tf.compat.v1.get_variable('L1', shape=[feature_dim, feature_dim],
                            initializer=tf.contrib.layers.xavier_initializer(), regularizer = tf.contrib.layers.l2_regularizer(wd), use_resource=False)

所以 xavier_initializer 和 l2_regularizer 都被弃用了。

2-image = tf.contrib.image.rotate(image, angles=rnd_rot_angle)

3-transform = tf.contrib.image.matrices_to_flat_transforms(tf.linalg.inv(afine_tf.params))

4-image = tf.contrib.image.transform(image, transform)

5- python 日志功能不再在终端上显示任何日志。

import tenosflow
import logging
logging.basicConfig(level=logging.INFO)
logging.info('It doens't print this')

标签： tensorflow

解决方案

对于正则化器和初始化器，您可以分别使用tf.keras.regularizers.l2和tf.initializers.GlorotNormal（或 GlorotUniform）。后者本质上是 Xavier 初始化的另一个名称。至于 contrib 模块，它已从 TF 2.0 中完全删除，并且许多功能，至少目前还没有直接替代。但是您可以tf.py_function在输入管道中使用。它可以将任何 python 逻辑包装为 TensorFlow op。

def custom_resize(image):
    return np.resize(image, (100,100))

def parse_func(image, label):
    return tf.py_function(custom_resize, inp=[image], Tout=[tf.float32])
...
dataset = dataset.map(parse_func)

所以基本上我们可以定义任何函数，它将接受 numpy 数组，而不是张量，并将其应用于数据集中的任何张量。

推荐阅读