• 如何升级
  • 限制
• 手动升级代码
  • 变量
  • 总结功能
  • 数值差异
  • NumPy匹配名称
  • NumPy匹配参数
  • 简化的数学变体
  • 其他更改

原文链接 : https://www.tensorflow.org/install/migration

译文链接 : http://www.apache.wiki/pages/viewpage.action?pageId=10029601

贡献者 : 片刻 ApacheCN Apache中文网

TensorFlow 1.0中的API已经改变了不是全部向后兼容的方式。也就是说，使用TensorFlow 0.n的TensorFlow程序不一定适用于TensorFlow 1.0。我们已经对此API进行了更改，以确保内部一致的API，并且不打算在整个1.N生命周期内做出反向变化。

本指南将引导您了解API的主要更改以及如何自动升级TensorFlow 1.0的程序。本指南不仅可以帮助您完成更改，还可以解释为什么我们已经做出了这些更改。

如何升级

如果你想自动将你的代码移植到1.0，你可以尝试我们的 tf_upgrade.py脚本。虽然此脚本处理许多情况，但有时需要手动更改。从我们的GitHub树中获取这个脚本 。

要将单个0.n TensorFlow源文件转换为1.0，请输入以下格式的命令：

例如，以下命令将名为test.py“1.0 TensorFlow” 的0.n TensorFlow程序转换为test_1.0.py：

该tf_upgrade.py脚本还生成一个名为的文件report.txt，其中详细说明了它所执行的所有更改，并提供了有关您可能手动进行的更改的其他建议。

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

例如，以下命令转换目录中的所有0.n TensorFlow程序，在/home/user/cool目录中创建它们的1.0个等效/home/user/cool_1.0项：

限制

有几件事要注意。特别：

• 您必须手动修复任何实例tf.reverse()。该tf_upgrade.py脚本将发出警告，tf.reverse()在标准输出和在report.txt文件中。
• 在重新排序的参数中，tf_upgrade.py尝试最小化重新格式化代码，因此不能自动更改实际的参数顺序。相反，tf_upgrade.py通过引入关键字参数，使您的函数调用与订单无关。

• 这样的建筑tf.get_variable_scope().reuse_variables() 可能不会奏效。我们建议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并且 tf.unpack，我们正在重新命名 TensorArray.pack，并TensorArray.unpack以 TensorArray.stack和TensorArray.unstack。然而，TensorArray.pack 并且TensorArray.unpack不能词法，因为它们是间接相关的检测到的tf命名空间如 foo = tf.TensorArray(); foo.unpack()

手动升级代码

 tf_upgrade.py您可以手动升级代码而不是运行。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全面列表。

变量

可变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

总结功能

摘要功能已在命名空间下tf.summary合并。

• 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

整数分区，tf.floordiv现在使用地板语义。这是为了使结果np.divide和np.mod一致，tf.divide并 tf.mod分别。另外我们改变了用于tf.round匹配NumPy 的舍入算法。

• tf.div

  •  tf.divide划分的语义已经完全改变为符合Python语义。也就是说，/在Python 3中，Python 2中的未来分区模式将始终产生浮点数，//将产生分区。然而，甚至tf.div会产生地板整数除法。要强制使用C风格的截断语义，你必须使用tf.truncatediv。

  • 考虑改变你要使用的代码tf.divide，它遵循Python语义进行升级。

• tf.mod

  • 的语义tf.mod已更改为符合Python的语义。特别地，地板语义用于整数。如果您想要使用C型截断模式（余数），可以使用tf.truncatemod

可以用这个表来总结分裂的新旧行为：

四舍五入的新旧行为可以概括如下：

NumPy匹配名称

许多功能已重命名为匹配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，所以这远远不是一个艰难和快速的规则，但是我们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的矩阵逆相混淆 np.inv
• 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

NumPy匹配参数

某些TensorFlow 1.0方法的参数现在匹配某些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列了一些参数。值得注意的是，TensorFlow 1.0现在使用axis而不是dimension。TensorFlow 1.0旨在保持张量参数首先修改Tensors的操作。（见tf.concat更改）。

• tf.argmax
  • 关键字参数dimension应该重命名为axis
• tf.argmin
  • 关键字参数dimension应该重命名为axis
• tf.concat
  • 关键字参数concat_dim应该重命名为axis
  • 论据已被重新排列tf.concat(values, axis, name='concat')。
• tf.count_nonzero
  • 关键字参数reduction_indices应该重命名为axis
• tf.expand_dims
  • 关键字参数dim应该重命名为axis
• tf.reduce_all
  • 关键字参数reduction_indices应该重命名为axis
• tf.reduce_any
  • 关键字参数reduction_indices应该重命名为axis
• tf.reduce_join
  • 关键字参数reduction_indices应该重命名为axis
• tf.reduce_logsumexp
  • 关键字参数reduction_indices应该重命名为axis
• tf.reduce_max
  • 关键字参数reduction_indices应该重命名为axis
• tf.reduce_mean
  • 关键字参数reduction_indices应该重命名为axis
• tf.reduce_min
  • 关键字参数reduction_indices应该重命名为axis
• tf.reduce_prod
  • 关键字参数reduction_indices应该重命名为axis
• tf.reduce_sum
  • 关键字参数reduction_indices应该重命名为axis
• tf.reverse
  • tf.reverse曾经采取1D bool张量来控制哪些尺寸被扭转。现在我们使用轴索引的张量。
  • 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应该重命名为batch_axis
  • 关键字参数seq_dim应该重命名为seq_axis
• tf.sparse_concat
  • 关键字参数concat_dim应该重命名为axis
• tf.sparse_reduce_sum
  • 关键字参数reduction_axes应该重命名为axis
• tf.sparse_reduce_sum_sparse
  • 关键字参数reduction_axes应该重命名为axis
• tf.sparse_split
  • 关键字参数split_dim应该重命名为axis
  • 论据已被重新排列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应该重命名为axis
  • 关键字参数num_split应该重命名为num_or_size_splits
  • 论据已被重新排列tf.split(value, num_or_size_splits, axis=0, num=None, name='split')。
• tf.squeeze
  • 关键字参数squeeze_dims应该重命名为axis
• tf.svd
  • 论据已被重新排列tf.svd(tensor, full_matrices=False, compute_uv=True, name=None)。

简化的数学变体

批量版数学运算已被删除。现在，功能包含在非批量版本中。同样，tf.complex_abs已经将其功能转移到了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

其他更改

已经做了几个其他变化，其中包括：

• tf.image.per_image_whitening
  • 应该改名 tf.image.per_image_standardization
• tf.nn.sigmoid_cross_entropy_with_logits
  • 论据已被重新排列tf.nn.sigmoid_cross_entropy_with_logits(_sentinel=None, labels=None, logits=None, name=None)。
• tf.nn.softmax_cross_entropy_with_logits
  • 论据已被重新排列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
  • 论据已被重新排列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ie tf.ones_initializer()
• tf.pack
  • 应该改名 tf.stack
• tf.round
  • tf.round现在的语义符合银行家的四舍五入。
• tf.unpack
  • 应该改名 tf.unstack
• tf.zeros_initializer
  • 应该改为函数调用ie tf.zeros_initializer()