警告 在将 Tensorflow 1 代码升级到 Tensorflow 2 代码期间
Warning During upgrading a Tensorflow 1 code to Tensorflow 2 code
我正尝试在 google colab 上将现有的 TF1 代码转换为 TF2 代码。我在 运行 命令后收到 14 条警告消息： !tf_upgrade_v2 --infile medgan.py --outfile medgan_upgraded.py
警告：tf.get_variable 需要手动检查。 tf.get_variable returns ResourceVariables 在 2.0 中默认使用，它具有明确定义的语义并且对形状更严格。您可以通过传递 use_resource=False 或调用 tf.compat.v1.disable_resource_variables().
来禁用此行为
我是 tensorflow 的新手，不确定这个命令是什么意思。在保存升级后的 .py 文件之前我的下一步应该是什么？我应该担心这些警告吗？ TF 通过这个警告告诉我做什么？谢谢。
使用自动脚本将代码从 Tensorflow 1.x 迁移到 Tensorflow 2.x 只会执行初始操作。但是在这个过程中，需要注意的是，有很多东西不会落入Tensorflow 2.x实现，比如placeholders、sessions、collections、t[=16] =]，以及其他 1.x 功能，包括 variables.
的行为变化
先说一下tf.get_variable和tf.Variable的区别。
tf.get_variable 从图中获取一个具有指定参数的现有变量，如果不存在则创建一个新变量，而 tf.Variable 将始终创建一个新变量，即使传递相同的名称，Tensorflow 将分配带有后缀 variable_name_1.
的新名称
在 Tensorflow 2.x 中，使用 tf.Variable 默认创建资源变量，默认情况下启用即时执行。
除非您在变量使用中遇到问题，否则您不必担心此警告。
如果你想禁用资源变量 tf.compat.v1.disable_resource_variables() is depreciated，你可以在 tf.get_variable() 中使用 use_resource= False，当在 Tensorflow 2.x 中默认启用急切执行时，它将被强制为真。
您可以从 Tensorflow 的 this 文档中查看在迁移代码期间要进行的所有其他更改和观察。
我正尝试在 google colab 上将现有的 TF1 代码转换为 TF2 代码。我在 运行 命令后收到 14 条警告消息： !tf_upgrade_v2 --infile medgan.py --outfile medgan_upgraded.py
警告：tf.get_variable 需要手动检查。 tf.get_variable returns ResourceVariables 在 2.0 中默认使用，它具有明确定义的语义并且对形状更严格。您可以通过传递 use_resource=False 或调用 tf.compat.v1.disable_resource_variables().
来禁用此行为我是 tensorflow 的新手，不确定这个命令是什么意思。在保存升级后的 .py 文件之前我的下一步应该是什么？我应该担心这些警告吗？ TF 通过这个警告告诉我做什么？谢谢。
使用自动脚本将代码从 Tensorflow 1.x 迁移到 Tensorflow 2.x 只会执行初始操作。但是在这个过程中，需要注意的是，有很多东西不会落入Tensorflow 2.x实现，比如placeholders、sessions、collections、t[=16] =]，以及其他 1.x 功能，包括 variables.
先说一下tf.get_variable和tf.Variable的区别。
tf.get_variable 从图中获取一个具有指定参数的现有变量，如果不存在则创建一个新变量，而 tf.Variable 将始终创建一个新变量，即使传递相同的名称，Tensorflow 将分配带有后缀 variable_name_1.
在 Tensorflow 2.x 中，使用 tf.Variable 默认创建资源变量，默认情况下启用即时执行。
除非您在变量使用中遇到问题，否则您不必担心此警告。
如果你想禁用资源变量 tf.compat.v1.disable_resource_variables() is depreciated，你可以在 tf.get_variable() 中使用 use_resource= False，当在 Tensorflow 2.x 中默认启用急切执行时，它将被强制为真。
您可以从 Tensorflow 的 this 文档中查看在迁移代码期间要进行的所有其他更改和观察。