将TensorFlow sess.run转换为@tf.function

Question

如何编辑sessions.run函数，使其在Tensorflow 2.0上运行？

  with tf.compat.v1.Session(graph=graph) as sess:
    start = time.time()
    results = sess.run(output_operation.outputs[0],
                      {input_operation.outputs[0]: t})

我阅读了文档到这里来，并了解到您必须更改如下函数：

  normalized = tf.divide(tf.subtract(resized, [input_mean]), [input_std])
  sess = tf.compat.v1.Session()
  result = sess.run(normalized)

  return result

对此：

def myFunctionToReplaceSessionRun(resized,input_mean,input_std):
    return tf.divide(tf.subtract(resized, [input_mean]), [input_std])

normalized = myFunctionToReplaceSessionRun(resized,input_mean,input_std)

但我想不出如何改变第一个。

这里有一些上下文，我正在尝试这代码实验室，在这里发现sess.run给我带来了麻烦。

文件。

这就是导致错误的函数。

Answer 1

使用TensorFlow 1.x，我们使用创建tf.placeholder张量来输入图形。我们使用了feed_dict=和tf.Session()对象。

在TensorFlow 2.0中，我们可以直接将数据提供给图形，因为在默认情况下，急切的执行是启用的。使用@tf.function注释，我们可以将函数直接包含在图中。官方文件说，

这次合并的核心是tf.function，它允许您将Python语法的子集转换为可移植的、高性能的TensorFlow图。

下面是一个来自文档的简单例子，

@tf.function
def simple_nn_layer(x, y):
  return tf.nn.relu(tf.matmul(x, y))


x = tf.random.uniform((3, 3))
y = tf.random.uniform((3, 3))

simple_nn_layer(x, y)

现在，看看你的问题，你可以转换你的函数，

@tf.function
def get_output_operation( input_op ):
    # The function goes here
    # from here return `results`

results = get_output_operation( some_input_op )

在简单和不太精确的单词中，占位符张量被转换为函数参数，函数返回sess.run( tensor )中的sess.run( tensor )。所有这些都发生在带有@tf.function注释的函数中。