【tensorflow】V1和V2不兼容，导致的常见问题及解决办法

Tensorflow1和2不兼容，导致的常见问题及解决办法

tf2中删除或者改变了tf1的中很多函数接口，若是在tf2的环境中中用了tf1的代码，则会报很多错。

两个解决办法

一是换回tf1.x版本，eg：

pip install tensorflow==1.4.0

二是讲tf1的代码改为tf2可以运行的：

将使用了tf1代码中的

import tensorflow as tf

更改为：

import tensorflow.compat.v1 as tf
tf.disable_v2_behavior()

这个替换可以减少很多修改和报错，但还是会有一些个别问题，单独解决。

常见的问题及解决办法：

一、AttributeError类

1.AttributeError: module ‘tensorflow’ has no attribute ‘placeholder’

采用通用解决办法，见上

2.AttributeError: module ‘tensorflow_core.compat.v1’ has no attribute ‘contrib’

将源码：

initializer = tf.contrib.layers.xavier_initializer(seed = 1)

替换为

initializer = tf.truncated_normal_initializer(stddev=0.1)

3.AttributeError: ‘module’ object has no attribute ‘rnn_cell’

解决办法：将tf.nn.rnn_cell替换为tf.contrib.rnn

4.AttributeError: ‘module’ object has no attribute ‘pack’

解决办法：将pack替换为stack

5.AttributeError: module ‘tensorflow’ has no attribute ‘Session’

解决办法：在新的Tensorflow 2.0版本中已经移除了Session这一模块，改换运行代码

tf.compat.v1.Session()

6.AttributeError: module ‘tensorflow’ has no attribute ‘random_normal’

解决办法：将random_normal方法已经换为：random.normal

7.AttributeError: module ‘tensorflow’ has no attribute ‘mul’

解决办法：tf.mul已经在新版本中被移除，请使用 tf.multiply 代替

8.AttributeError: module ‘tensorflow’ has no attribute ‘variable_scope’

采用通用解决办法，见上。

类似的还有：

①tf.train.GradientDescentOptimizer()改成tf.compat.v1.train.GradientDescentOptimizer()
②tf.random_uniform改成tf.random.uniform
③tf.global_variables_initializer()变成tf.compat.v1.global_variables_initializer()
④tf.Session()变成tf.compat.v1.Session()
⑤tf.placeholder变成tf.compat.v1.placeholder
⑥当tf.compat.v1.placeholder占位时，出现错误：tf.compat.v1.placeholder() is not compatible with eager execution.要在占位前面加上一行：tf.compat.v1.disable_eager_execution()

二、ValueError类

1. ValueError: Only call softmax_cross_entropy_with_logits with named arguments (labels=…, logits=…, …)

按照提示，需要将括号内的形参写出，即(logits=pre, lables=tru)而非(pre,tru)

2. ValueError: Variable Wemb/Adam/ does not exist, or was not created with tf.get_variable(). Did you mean to set reuse=None in VarScope?

需要定义scope，虽然报错可能是在optimizer处提示，但需要在定义模型时增加scope，即

with tf.variable_scope(tf.get_variable_scope()) as scope:
# model construction

参考：

1.https://www.jb51.net/article/141988.htm（浅谈Tensorflow由于版本问题出现的几种错误及解决方法）

2.https://blog.csdn.net/weixin_46824122/article/details/105421112（Tensorflow2版本对于Tensorflow1版本的部分变化）