遷移到TensorFlow 1.0版本

TensorFlow 1.0中的API相對於之前版本有一些改變，不是全部向後兼容。也就是說，使用TensorFlow 0.n的TensorFlow程序不一定適用於TensorFlow 1.0。

本指南將引導您：了解API的主要更改以及如何自動升級到TensorFlow 1.0，並解釋為什麽我們做出這些更改。

如何升級

如果你想自動將你的代碼移植到1.0，你可以試試我們的tf_upgrade.py腳本。雖然此腳本處理許多情況，但有時也需要手動更改。從這裏GitHub樹獲取上述腳本。

要將單個0.n TensorFlow源文件轉換為1.0，請輸入以下命令：

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

例如，以下命令轉換名為test.py的0.n TensorFlow程序到1.0 TensorFlow程序，並命名為test_1.0.py：

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

該tf_upgrade.py腳本還會生成一個名為report.txt的文件，其中詳細介紹了所做的更改，並提出了可能需要手動進行更改的建議。

要將0.n TensorFlow程序的整個目錄升級到1.0，請輸入以下命令：

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

例如，以下命令將轉換/home/user/cool目錄中所有0.n TensorFlow程序轉為1.0版本：

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

限製

有幾件事要注意，特別是：

• 您必須手動修複任何tf.reverse()實例。該tf_upgrade.py腳本會在stdout和在report.txt文件輸出關於tf.reverse()的警告。
• tf_upgrade.py不會自動更改實際的參數順序。
• tf.get_variable_scope().reuse_variables()可能不能正常工作。我們建議您刪除這些行並用以下行替換它們：

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

• 類似於tf.pack和tf.unpack，我們重命名TensorArray.pack和TensorArray.unpack至TensorArray.stack和TensorArray.unstack。然而，由於TensorArray.pack和TensorArray.unpack間接與tf命名空間相關，所以不能被檢測出來, 例如：foo = tf.TensorArray(); foo.unpack()

手動升級代碼

除了使用tf_upgrade.py腳本，您也可以手動升級代碼。本文檔的其餘部分提供了TensorFlow 1.0中所有向後不兼容更改的列表。

變量

變量函數已經變得更加一致，更不容易混淆。

• tf.VARIABLES
  • 應該改名tf.GLOBAL_VARIABLES
• tf.all_variables
  • 應該改名tf.global_variables
• tf.initialize_all_variables
  • 應該改名tf.global_variables_initializer
• tf.initialize_local_variables
  • 應該改名tf.local_variables_initializer
• tf.initialize_variables
  • 應該改名tf.variables_initializer

Summary函數

Summary函數已經合並到tf.summary命名空間。

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

數值差異

整數除法tf.floordiv現在使用flooring語義。這是為了讓np.divide和np.mod跟tf.divide和tf.mod分別保持一致。另外我們改變了使用的舍入算法tf.round，以便匹配NumPy。

• tf.div

  • tf.divide除法的語義已經完全改變為符合Python語義。也就是說，/這個除法在Python 3中，以及Python 2的未來模式中，都會產生浮點數，而//向下取整。例如：

    
    3.0 / 2 = 1.5
    3.0 // 2 = 1.0
    
    

    但是，即使tf.div將產生向下取整除法，要強製C-style截斷語義，您必須使用tf.truncatediv。

  • 可以考慮更改您的代碼以使用tf.divide，它遵循Python語義進行推廣。

• tf.mod

  • tf.mod的語義已經改變為匹配Python語義。如果您想要使用C-style截斷模式(餘數)，可以使用tf.truncatemod

可以用這個表來總結除法的新舊行為：

四舍五入的新舊行為可以概括如下：

匹配NumPy的命名

許多功能已被重命名，以便匹配NumPy。這樣做是為了使NumPy和TensorFlow之間的轉換盡可能簡單。還有許多功能不匹配的情況，但是已經刪除了幾個常見的不一致。

• tf.inv
  • 應該改名tf.reciprocal
  • 這樣做是為了避免與NumPy的矩陣逆np.inv相混淆
• tf.list_diff
  • 應該改名tf.setdiff1d
• tf.listdiff
  • 應該改名tf.setdiff1d
• tf.mul
  • 應該改名tf.multiply
• tf.neg
  • 應該改名tf.negative
• tf.select
  • 應該改名tf.where
  • tf.where現在有3個參數或1個參數，就像np.where
• tf.sub
  • 應該改名tf.subtract

匹配NumPy參數

某些TensorFlow 1.0方法的參數現在可以匹配某些NumPy方法中的參數。為了實現這一點，TensorFlow 1.0已經改變了關鍵字參數並重新排序了一些參數。值得注意的是，TensorFlow 1.0現在使用axis而不是dimension。 TensorFlow 1.0在修改Tensors的操作中會保持tensor參數排在前麵。 (見tf.concat更改)。

• tf.argmax
  • 關鍵字參數dimension應該改名axis
• tf.argmin
  • 關鍵字參數dimension應該改名axis
• tf.concat
  • 關鍵字參數concat_dim應該改名axis
  • 參數已被重新排列tf.concat(values, axis, name='concat')。
• tf.count_nonzero
  • 關鍵字參數reduction_indices應該改名axis
• tf.expand_dims
  • 關鍵字參數dim應該改名axis
• tf.reduce_all
  • 關鍵字參數reduction_indices應該改名axis
• tf.reduce_any
  • 關鍵字參數reduction_indices應該改名axis
• tf.reduce_join
  • 關鍵字參數reduction_indices應該改名axis
• tf.reduce_logsumexp
  • 關鍵字參數reduction_indices應該改名axis
• tf.reduce_max
  • 關鍵字參數reduction_indices應該改名axis
• tf.reduce_mean
  • 關鍵字參數reduction_indices應該改名axis
• tf.reduce_min
  • 關鍵字參數reduction_indices應該改名axis
• tf.reduce_prod
  • 關鍵字參數reduction_indices應該改名axis
• tf.reduce_sum
  • 關鍵字參數reduction_indices應該改名axis
• tf.reverse
  • tf.reverse之前使用1D的bool張量來控製哪些維度被reverse。現在我們使用axis索引的張量。
  • 例如tf.reverse(a, [True, False, True])現在一定是tf.reverse(a, [0, 2])
• tf.reverse_sequence
  • 關鍵字參數batch_dim應該改名batch_axis
  • 關鍵字參數seq_dim應該改名seq_axis
• tf.sparse_concat
  • 關鍵字參數concat_dim應該改名axis
• tf.sparse_reduce_sum
  • 關鍵字參數reduction_axes應該改名axis
• tf.sparse_reduce_sum_sparse
  • 關鍵字參數reduction_axes應該改名axis
• tf.sparse_split
  • 關鍵字參數split_dim應該改名axis
  • 參數已被重新排列tf.sparse_split(keyword_required=KeywordRequired(), sp_input=None, num_split=None, axis=None, name=None, split_dim=None)。
• tf.split
  • 關鍵字參數split_dim應該改名axis
  • 關鍵字參數num_split應該改名num_or_size_splits
  • 參數已被重新排列tf.split(value, num_or_size_splits, axis=0, num=None, name='split')。
• tf.squeeze
  • 關鍵字參數squeeze_dims應該改名axis
• tf.svd
  • 參數已被重新排列tf.svd(tensor, full_matrices=False, compute_uv=True, name=None)。

簡化的數學變換

批量版數學運算已被刪除，現在隻有非批量版本。同樣的，tf.complex_abs變為tf.abs

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

其他各種變更

一些其他變化，包括：

• tf.image.per_image_whitening
  • 應該改名tf.image.per_image_standardization
• tf.nn.sigmoid_cross_entropy_with_logits
  • 參數已被重新排列tf.nn.sigmoid_cross_entropy_with_logits(_sentinel=None, labels=None, logits=None, name=None)。
• tf.nn.softmax_cross_entropy_with_logits
  • 參數已被重新排列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
  • 參數已被重新排列tf.nn.sparse_softmax_cross_entropy_with_logits(_sentinel=None, labels=None, logits=None, name=None)。
• tf.ones_initializer
  • 應該改為函數調用，即tf.ones_initializer()
• tf.pack
  • 應該改名tf.stack
• tf.round
  • tf.round的語義現在是四舍五入。
• tf.unpack
  • 應該改名tf.unstack
• tf.zeros_initializer
  • 應該改為函數調用，即tf.zeros_initializer()

參考資料

• Transitioning to TensorFlow 1.0