Deep-Learning-with-TensorFlow-book第一章例程—

本文介绍如何在TensorFlow 2.0环境中运行原本为1.0版本设计的代码，通过条件判断兼容两个版本，解决版本冲突问题。示例代码展示了创建计算图、运行环境设置及变量初始化过程。

运行环境

Spyder4.0+Python3.7

来源

https://github.com/dragen1860/Deep-Learning-with-TensorFlow-book。

代码

import tensorflow as tf
assert tf.__version__.startswith('1.')

# 1.创建计算图阶段
# 创建2个输入端子，指定类型和名字
a_ph = tf.placeholder(tf.float32, name='variable_a')
b_ph = tf.placeholder(tf.float32, name='variable_b')
# 创建输出端子的运算操作，并命名
c_op = tf.add(a_ph, b_ph, name='variable_c')

# 2.运行计算图阶段
# 创建运行环境
sess = tf.InteractiveSession()
# 初始化操作也需要作为操作运行
init = tf.global_variables_initializer()
sess.run(init) # 运行初始化操作，完成初始化
# 运行输出端子，需要给输入端子赋值
c_numpy = sess.run(c_op, feed_dict={a_ph: 2., b_ph: 4.})
# 运算完输出端子才能得到数值类型的c_numpy
print('a+b=',c_numpy)

错误修改

由于本人使用TensorFlow2.0，原来的例程是给1.0版本使用，导致出现如下错误。错误在于Line2中的assert，指定了版本为TensorFlow1.0。

修改代码

将assert的版本改为2.0。

这样的改动导致了新的错误，错误如下

问题原因：在TF2中使用了TF1的模块，需要指定使用对应的TF1的版本。最终代码修改如下

import tensorflow as tf

if ('2'==tf.__version__[0]):
    import tensorflow.compat.v1 as tf
    tf.disable_v2_behavior()
    assert tf.__version__.startswith('2.')
else:
    assert tf.__version__.startswith('1.')

这样可以兼容TF1和TF2。本人没有安装TF1，不知道在TF1环境下测试能否通过。TF2环境已经测试通过。如果TF1环境测试有问题，请告知我，我做代码修改。谢谢