如何在TF2.1情况下实现TF1.X的代码

最新推荐文章于 2022-06-12 09:53:58 发布
原创 最新推荐文章于 2022-06-12 09:53:58 发布 · 316 阅读 · 0 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#tensorflow #神经网络 #python

这篇博客介绍了如何在TensorFlow 2.1环境下，通过`tensorflow.compat.v1`模块来运行基于TF1.X的吴恩达深度学习课程代码，从而避免版本不兼容的问题。通过导入`tensorflow.compat.v1 as tf`并调用`tf.disable_v2_behavior()`，可以实现在TF2.x中模拟1.x的行为。
部署运行你感兴趣的模型镜像

最近学习吴恩达老师的深度学习课程，代码以TF1.X为编程工具，但我的版本是TF2.1

会报错，我用以下方法实现不用降版本也可运行

import tensorflow.compat.v1 as tf
tf.disable_v2_behavior()
#通过代码实现，把1.X版本tf作为tf，表现上表现为tf2
"""import tensorflow.compat.v1 as tf
tf.disable_v2_behavior()"""

您可能感兴趣的与本文相关的镜像

TensorFlow-v2.15

TensorFlow-v2.15

TensorFlow

TensorFlow 是由Google Brain 团队开发的开源机器学习框架,广泛应用于深度学习研究和生产环境。 它提供了一个灵活的平台,用于构建和训练各种机器学习模型

FREEMANA32
关注
Tensorflow 2.x(keras)源码详解之第九章：模型训练和预测的三种方法(fit&tf.GradientTape&train_step&tf.data)
weixin_43178406的博客
05-16 6万+
文章目录1. 模型训练和预测步骤2. 使用内置方法fit进行训练和评估2.1 简单案例解析2.2 compile编译2.3 处理非标准化的损失和评估指标：add_loss&add_metric2.4 自动切分验证集2.5 使用tf.data数据进行训练2.6 使用tf.keras.utils.Sequence数据进行训练2.7 多输出，指定不同的损失函数和评估指标2.8 样本不均衡：类权重和样本权重2.9 使用回调(callbacks)2.10 学习率衰减3. 从头开始编写循环训练3.1 fit源码
将TF1.x 程序移植到TF 2.x
weixin_42272768的博客
06-12 1222
TF2.x 与TF1.x有很大的差别，除了一些函数做了修改之外，最大的变化就是使用了急切执行。Session已经不再使用了。虽然可以使用 import tensorflow.compat.v1 as tf 来继续使用Session，但是这与谷歌发布TF2.x的概念是不符的。TF1.x的程序还是要改写后升级到TF 2.x。本文就是通过改写一个TF1.x的程序，简单介绍一下如何移植TF1.x代码到TF2.x 第一步当然是直接 import tensorflow as tf 第二步是去除Session相
在tf2.X使用tf1.x的函数
qq_45090325的博客
06-12 325
wu
tf2.0中metrics原理
qq_40836518的博客
04-03 1249
最近写的代码涉及到的metric包括precision,recall,f1，无奈的是tf2.0中没有f1的指标。看了很多人的博客说是f1=2 * p* r / ( p + r )。公式是这样没错，但是如果不结合tf.keras.metric的计算原理来写代码那就大错特错。 首先上正确的F1书写方式： class F1_score(keras.metrics.Metric): def __ini...
【机器学习】F1分数(F1 Score)详解及tensorflow、numpy实现
热门推荐
zjn-ai的博客
12-11 16万+
F1-Score相关概念 F1分数（F1 Score），是统计学中用来衡量二分类（或多任务二分类）模型精确度的一种指标。它同时兼顾了分类模型的准确率和召回率。F1分数可以看作是模型准确率和召回率的一种加权平均，它的最大值是1，最小值是0。 真实 1 真实 0 预测 1 True Positive(TP)真阳性 False Positive(FP)假阳性 预测 0 Fals...
[Tensorflow1.x / 2.x] Anaconda 三行指令安装 cuda，cudann，tf-gpu2.x / 1.x 完美运行
...
07-19 298
摸索了一个上午，得到方法简单而且亲测完美运行，安装前 Anaconda 和 pip 最好换源，注意要按照顺序从上向下执行，不能跳步 三行安装tf-gpu2.0 conda install cudatoolkit=10.0.130 conda install cudnn=7.6.5=cuda10.0_0 pip install --upgrade tensorflow-gpu==2.0 三行安装tf-gpu1.4 conda install cudatoolkit=10.0.130 conda i
【Tensorflow】利用tensor计算多分类问题的Accuracy、Micro-F1、Macro-F1
m0_37828665的博客
03-18 1222
【Tensorflow】利用tensor计算多分类问题的Precision、Recall、F1、Micro-F1、Macro-F1 具体代码分析参考文章 logits.shape = [nodes, node_class] labels.shape = [nodes, node_class] mask.shape = [1, nodes] def masked_accuracy_final(logits, labels, mask): """Accuracy with masking
将tf.batch_matmul替换成tf.matmul的实现
09-16
通过上述介绍可以看出，在某些特定情况下，可以将 `tf.batch_matmul` 替换成 `tf.matmul` 来实现相同的功能。但是需要注意的是，它们的用法有所不同，尤其是在处理转置和共轭转置方面。正确地理解并使用这些函数对于...
tensorflow2.x之由dataset.map引发出的关于tf.py_function以及tf.numpy_function问题
MIss-Y的博客
04-01 8095
前言：tensorflow是一个庞大的系统，里面的函数很多，实现了很多常规的一些操作，但是始终没有办法涵盖所有的操作，有时候我们需要定义一些自己的操作逻辑来实现制定的功能，发现没那么简单，本文是在编写tf.data.DataSet的时候出现的一个问题，做了一个集中化的总结，会涉及到以下概念： EagerTensor和Tensor，tf.py_function以及tf.numpy_function...
tensorflow 1.X迁移至tensorflow2 代码写法
12-13 4893
这里写目录标题目标：代码改写成tf2格式tf1和tf2区别：改写内容：tf.placeholdertf.Sess,sess.run具体例子1：结论： 目标：代码改写成tf2格式 把tensorflow 1.X中的代码，迁移到tensorflow2中。一些常见的改写经验。包括sess，tf.placeholder， tf.InteractiveSession()，tf.Session() tensorflow2相比于tensorflow 1.x版本有较大的变化，且网上现在好多文章的代码都是基于tf1.x版本的
tensorflow 2.1 之自动求导函数tf.GradientTape
qq_46006468的博客
08-03 967
一、简介 TensorFlow 2.0的求导计算默认是eager模式，每行代码顺序执行，没有了构建图的过程（也取消了control_dependency的用法）可能会有很大的计算量，需要一个上下文管理器（context manager）来连接需要计算梯度的函数和变量，来减少计算量。 函数： GradientTape（persistent=False,watch_accessed_variables=True） persistent: 布尔值，用来指定新创建的gradient tape...
【Tensorflow】多分类问题的Precision、Recall和F1计算及Tensorflow实现
bqw的博客
12-06 8642
一、二分类问题的Precision、Recall、F1 网络上关于Precision、Recall和F1的介绍有很多，因此这里只作简单回顾。 在二分类问题中，根据真实类别和预测类别的组合可以分为四中情况，分别是TP(True Positive)、FP(False Positive)、TN(True Negative)、FN(False Negative)。如下图： 那么Precision表示所有...
用keras计算F1
weixin_45068567的博客
03-27 2801
keras计算f1
Tensorflow代码解析（一）
zjkC050818的博客
03-07 2201
本文转载自深度学习大讲堂 深度学习大讲堂是高质量原创内容的平台，邀请学术界、工业界一线专家撰稿，致力于推送人工智能与深度学习最新技术、产品和活动信息！ 摘要 2015年11月9日，Google发布深度学习框架TensorFlow并宣布开源，并迅速得到广泛关注，在图形分类、音频处理、推荐系统和自然语言处理等场景下都被大面积推广。Ten
tensorflow2.0用1.0的代码
zlj的博客
03-26 2066
import tensorflow.compat.v1 as tftf.compat.v1.disable_eager_execution()或 import tensorflow.compat.v1 as tf tf.disable_v2_behavior() 替换import tensorflow as tf
官方TensorFlow2.0-GPU代码测试+官方TensorFlow1.x-GPU代码测试 并查看版本
汪雯琦的博客
03-05 1万+
TensorFlow2.0-GPU代码测试 import tensorflow as tf #查看tensorflow版本 print(tf.__version__) print('GPU', tf.test.is_gpu_available()) a = tf.constant(2.0) b = tf.constant(4.0) print(a + b) 成功如图： TensorFl...
tensorflow显存自适应分配（tf.1x和tf2.x）
荪荪的博客
06-19 2539
用tensorflow的同学肯定都知道，只要tf的程序运行起来就会默认占满显存，但实际上有些代码使用的数据量远远不需要使用全部显存，这样就造成了浪费，我们可以在代码前加上一些控制语句，使程序占用的显存智能一些。 # 指定显卡 import os os.environ["CUDA_VISIBLE_DEVICES"] = "0" ...... # tf1.x version # # 按比例配置显存 config = tf.ConfigProto() config.gpu_options.per_proce
conda回滚 & Tensorflow2.0转1.x解决方案
weixin_42032099的博客
12-29 5666
昨天手贱，输入了 conda update -all 结果tensorflow升到了2.0，运行代码时报错 AttributeError: module 'tensorflow' has no attribute 'Session' 好像2.0不用tf.Session()了 在网上找到了解决方案： tensorflow官方提供的另外一个神器，可以帮助它代码自动的从v1版本转换到v2版本，可能连...
评论 1
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值