迁移到TensorFlow 1.0版本

TensorFlow 1.0中的API相对于之前版本有一些改变，不是全部向后兼容。也就是说，使用TensorFlow 0.n的TensorFlow程序不一定适用于TensorFlow 1.0。

本指南将引导您：了解API的主要更改以及如何自动升级到TensorFlow 1.0，并解释为什么我们做出这些更改。

如何升级

如果你想自动将你的代码移植到1.0，你可以试试我们的tf_upgrade.py脚本。虽然此脚本处理许多情况，但有时也需要手动更改。从这里GitHub树获取上述脚本。

要将单个0.n TensorFlow源文件转换为1.0，请输入以下命令：

$ python tf_upgrade.py --infile InputFile --outfile OutputFile

例如，以下命令转换名为test.py的0.n TensorFlow程序到1.0 TensorFlow程序，并命名为test_1.0.py：

$ python tf_upgrade.py --infile test.py --outfile test_1.0.py

该tf_upgrade.py脚本还会生成一个名为report.txt的文件，其中详细介绍了所做的更改，并提出了可能需要手动进行更改的建议。

要将0.n TensorFlow程序的整个目录升级到1.0，请输入以下命令：

$ python tf_upgrade.py --intree InputDir --outtree OutputDir

例如，以下命令将转换/home/user/cool目录中所有0.n TensorFlow程序转为1.0版本：

$ python tf_upgrade.py --intree /home/user/cool --outtree /home/user/cool_1.0

限制

有几件事要注意，特别是：

• 您必须手动修复任何tf.reverse()实例。该tf_upgrade.py脚本会在stdout和在report.txt文件输出关于tf.reverse()的警告。
• tf_upgrade.py不会自动更改实际的参数顺序。
• tf.get_variable_scope().reuse_variables()可能不能正常工作。我们建议您删除这些行并用以下行替换它们：

   with tf.variable_scope(tf.get_variable_scope(), reuse=True):
     ...
   

• 类似于tf.pack和tf.unpack，我们重命名TensorArray.pack和TensorArray.unpack至TensorArray.stack和TensorArray.unstack。然而，由于TensorArray.pack和TensorArray.unpack间接与tf命名空间相关，所以不能被检测出来, 例如：foo = tf.TensorArray(); foo.unpack()

手动升级代码

除了使用tf_upgrade.py脚本，您也可以手动升级代码。本文档的其余部分提供了TensorFlow 1.0中所有向后不兼容更改的列表。

变量

变量函数已经变得更加一致，更不容易混淆。

• tf.VARIABLES
  • 应该改名tf.GLOBAL_VARIABLES
• tf.all_variables
  • 应该改名tf.global_variables
• tf.initialize_all_variables
  • 应该改名tf.global_variables_initializer
• tf.initialize_local_variables
  • 应该改名tf.local_variables_initializer
• tf.initialize_variables
  • 应该改名tf.variables_initializer

Summary函数

Summary函数已经合并到tf.summary命名空间。

• tf.audio_summary
  • 应该改名tf.summary.audio
• tf.contrib.deprecated.histogram_summary
  • 应该改名tf.summary.histogram
• tf.contrib.deprecated.scalar_summary
  • 应该改名tf.summary.scalar
• tf.histogram_summary
  • 应该改名tf.summary.histogram
• tf.image_summary
  • 应该改名tf.summary.image
• tf.merge_all_summaries
  • 应该改名tf.summary.merge_all
• tf.merge_summary
  • 应该改名tf.summary.merge
• tf.scalar_summary
  • 应该改名tf.summary.scalar
• tf.train.SummaryWriter
  • 应该改名tf.summary.FileWriter

数值差异

整数除法tf.floordiv现在使用flooring语义。这是为了让np.divide和np.mod跟tf.divide和tf.mod分别保持一致。另外我们改变了使用的舍入算法tf.round，以便匹配NumPy。

• tf.div

  • tf.divide除法的语义已经完全改变为符合Python语义。也就是说，/这个除法在Python 3中，以及Python 2的未来模式中，都会产生浮点数，而//向下取整。例如：

    
    3.0 / 2 = 1.5
    3.0 // 2 = 1.0
    
    

    但是，即使tf.div将产生向下取整除法，要强制C-style截断语义，您必须使用tf.truncatediv。

  • 可以考虑更改您的代码以使用tf.divide，它遵循Python语义进行推广。

• tf.mod

  • tf.mod的语义已经改变为匹配Python语义。如果您想要使用C-style截断模式(余数)，可以使用tf.truncatemod

可以用这个表来总结除法的新旧行为：

四舍五入的新旧行为可以概括如下：

匹配NumPy的命名

许多功能已被重命名，以便匹配NumPy。这样做是为了使NumPy和TensorFlow之间的转换尽可能简单。还有许多功能不匹配的情况，但是已经删除了几个常见的不一致。

• tf.inv
  • 应该改名tf.reciprocal
  • 这样做是为了避免与NumPy的矩阵逆np.inv相混淆
• tf.list_diff
  • 应该改名tf.setdiff1d
• tf.listdiff
  • 应该改名tf.setdiff1d
• tf.mul
  • 应该改名tf.multiply
• tf.neg
  • 应该改名tf.negative
• tf.select
  • 应该改名tf.where
  • tf.where现在有3个参数或1个参数，就像np.where
• tf.sub
  • 应该改名tf.subtract

匹配NumPy参数

某些TensorFlow 1.0方法的参数现在可以匹配某些NumPy方法中的参数。为了实现这一点，TensorFlow 1.0已经改变了关键字参数并重新排序了一些参数。值得注意的是，TensorFlow 1.0现在使用axis而不是dimension。 TensorFlow 1.0在修改Tensors的操作中会保持tensor参数排在前面。 (见tf.concat更改)。

• tf.argmax
  • 关键字参数dimension应该改名axis
• tf.argmin
  • 关键字参数dimension应该改名axis
• tf.concat
  • 关键字参数concat_dim应该改名axis
  • 参数已被重新排列tf.concat(values, axis, name='concat')。
• tf.count_nonzero
  • 关键字参数reduction_indices应该改名axis
• tf.expand_dims
  • 关键字参数dim应该改名axis
• tf.reduce_all
  • 关键字参数reduction_indices应该改名axis
• tf.reduce_any
  • 关键字参数reduction_indices应该改名axis
• tf.reduce_join
  • 关键字参数reduction_indices应该改名axis
• tf.reduce_logsumexp
  • 关键字参数reduction_indices应该改名axis
• tf.reduce_max
  • 关键字参数reduction_indices应该改名axis
• tf.reduce_mean
  • 关键字参数reduction_indices应该改名axis
• tf.reduce_min
  • 关键字参数reduction_indices应该改名axis
• tf.reduce_prod
  • 关键字参数reduction_indices应该改名axis
• tf.reduce_sum
  • 关键字参数reduction_indices应该改名axis
• tf.reverse
  • tf.reverse之前使用1D的bool张量来控制哪些维度被reverse。现在我们使用axis索引的张量。
  • 例如tf.reverse(a, [True, False, True])现在一定是tf.reverse(a, [0, 2])
• tf.reverse_sequence
  • 关键字参数batch_dim应该改名batch_axis
  • 关键字参数seq_dim应该改名seq_axis
• tf.sparse_concat
  • 关键字参数concat_dim应该改名axis
• tf.sparse_reduce_sum
  • 关键字参数reduction_axes应该改名axis
• tf.sparse_reduce_sum_sparse
  • 关键字参数reduction_axes应该改名axis
• tf.sparse_split
  • 关键字参数split_dim应该改名axis
  • 参数已被重新排列tf.sparse_split(keyword_required=KeywordRequired(), sp_input=None, num_split=None, axis=None, name=None, split_dim=None)。
• tf.split
  • 关键字参数split_dim应该改名axis
  • 关键字参数num_split应该改名num_or_size_splits
  • 参数已被重新排列tf.split(value, num_or_size_splits, axis=0, num=None, name='split')。
• tf.squeeze
  • 关键字参数squeeze_dims应该改名axis
• tf.svd
  • 参数已被重新排列tf.svd(tensor, full_matrices=False, compute_uv=True, name=None)。

简化的数学变换

批量版数学运算已被删除，现在只有非批量版本。同样的，tf.complex_abs变为tf.abs

• tf.batch_band_part
  • 应该改名tf.band_part
• tf.batch_cholesky
  • 应该改名tf.cholesky
• tf.batch_cholesky_solve
  • 应该改名tf.cholesky_solve
• tf.batch_fft
  • 应该改名tf.fft
• tf.batch_fft3d
  • 应该改名tf.fft3d
• tf.batch_ifft
  • 应该改名tf.ifft
• tf.batch_ifft2d
  • 应该改名tf.ifft2d
• tf.batch_ifft3d
  • 应该改名tf.ifft3d
• tf.batch_matmul
  • 应该改名tf.matmul
• tf.batch_matrix_determinant
  • 应该改名tf.matrix_determinant
• tf.batch_matrix_diag
  • 应该改名tf.matrix_diag
• tf.batch_matrix_inverse
  • 应该改名tf.matrix_inverse
• tf.batch_matrix_solve
  • 应该改名tf.matrix_solve
• tf.batch_matrix_solve_ls
  • 应该改名tf.matrix_solve_ls
• tf.batch_matrix_transpose
  • 应该改名tf.matrix_transpose
• tf.batch_matrix_triangular_solve
  • 应该改名tf.matrix_triangular_solve
• tf.batch_self_adjoint_eig
  • 应该改名tf.self_adjoint_eig
• tf.batch_self_adjoint_eigvals
  • 应该改名tf.self_adjoint_eigvals
• tf.batch_set_diag
  • 应该改名tf.set_diag
• tf.batch_svd
  • 应该改名tf.svd
• tf.complex_abs
  • 应该改名tf.abs

其他各种变更

一些其他变化，包括：

• tf.image.per_image_whitening
  • 应该改名tf.image.per_image_standardization
• tf.nn.sigmoid_cross_entropy_with_logits
  • 参数已被重新排列tf.nn.sigmoid_cross_entropy_with_logits(_sentinel=None, labels=None, logits=None, name=None)。
• tf.nn.softmax_cross_entropy_with_logits
  • 参数已被重新排列tf.nn.softmax_cross_entropy_with_logits(_sentinel=None, labels=None, logits=None, dim=-1, name=None)。
• tf.nn.sparse_softmax_cross_entropy_with_logits
  • 参数已被重新排列tf.nn.sparse_softmax_cross_entropy_with_logits(_sentinel=None, labels=None, logits=None, name=None)。
• tf.ones_initializer
  • 应该改为函数调用，即tf.ones_initializer()
• tf.pack
  • 应该改名tf.stack
• tf.round
  • tf.round的语义现在是四舍五入。
• tf.unpack
  • 应该改名tf.unstack
• tf.zeros_initializer
  • 应该改为函数调用，即tf.zeros_initializer()

参考资料

• Transitioning to TensorFlow 1.0