在 TensorFlow 中启用 Eager Execution

TensorFlow 是一个端到端的开源机器学习平台，可以更轻松地构建和部署机器学习模型。TensorFlow 应用程序使用一种称为数据流图的结构。默认情况下，在 TensorFlow 1.0 版中，每个图形都必须在 TensorFlow 会话中运行，这只允许一次运行整个图形，并且很难调试计算图形。绕过此默认值并能够调试代码的唯一方法是使用 Eager Execution。

Eager Execution 是一个灵活的机器学习平台，用于研究和实验，提供：

• 直观的界面，使代码可以自然地结构化并使用 Python 数据结构。小模型、小数据可以快速迭代。

• 通过提供直接调用操作来逐行检查代码和测试更改的功能，简化调试。

• 使用 Python 控制流而不是图形控制流的自然控制流，这简化了动态模型的规范。

在 TensorFlow 2.x 中，默认情况下会启用 Eager Execution，并允许逐行运行和评估 TensorFlow 代码。

学习目标

本教程着眼于 Eager Execution 的影响，以及在 TensorFlow 2.x 中默认启用它的好处。您将使用 Jupyter Notebook 来观察 TensorFlow 在禁用和启用 Eager Execution 时的行为。你将学习如何：

• 在 IBM Cloud® Pak for Data as a Service 上使用 IBM Watson® Studio 运行 Jupyter Notebook

• 禁用和启用 Eager Execution

• 了解 Eager Execution 的优势

先决条件

遵循本教程需要满足以下先决条件：

• IBM Cloud 帐户

• IBM Cloud Pak for Data

预计时间

完成本教程大约需要 30 分钟。

步骤

1. 设置 IBM Cloud Pak for Data as a Service

2. 创建一个新项目并导入笔记本

3. 通读笔记本

4. 运行笔记本的前半部分

5. 重新启动内核

6. 运行笔记本的后半部分

设置 IBM Cloud Pak for Data as a Service

1. 打开浏览器，并使用 IBM Cloud 凭证登录到 IBM Cloud。

   

2. 在顶部的搜索栏中输入内容。如果您已经有一个 Watson Studio 实例，它应该是可见的。如果是这样，请单击它。如果没有，请单击 Catalog Results 下的 Watson Studio 以创建新的服务实例。Watson Studio

   

3. 如果要创建新的服务实例，请选择要创建的计划类型。对于本教程，精简版（免费）计划应该就足够了）。单击创建。

   

4. 单击服务实例登录页面上的“开始使用”。

   

   这应该会将您带到 IBM Cloud Pak for Data as a Service 的登录页面。

5. 点击右上角的头像，然后点击您姓名下方的个人资料和设置。

   

6. 切换到“服务”选项卡。您应该会看到 Your Cloud Pak for Data services 下列出的 Watson Studio 服务实例。

   您还可以将其他服务（例如 Watson Knowledge Catalog 和 Watson Machine Learning）与 IBM Cloud Pak for Data as a Service 帐户相关联。这些列在“试用我们的可用服务”下。

   在此显示的示例中，IBM Cloud 帐户中已存在 Watson Knowledge Catalog 服务实例，因此它会自动与 IBM Cloud Pak for Data as a Service 帐户相关联。要添加任何其他服务（在本例中为 Watson Machine Learning），请在“试用我们的可用服务”下的服务磁贴中单击“添加”。

   

7. 选择要创建的计划类型（精简版计划就足够了），然后单击“创建”。

   

创建服务实例后，您将返回到 IBM Cloud Pak for Data as a Service 实例。您应该看到该服务现在与您的 IBM Cloud Pak for Data as a Service 帐户相关联。

创建新项目并导入笔记本

1. 导航到左侧的汉堡菜单 （☰），然后选择“查看所有项目”。屏幕加载后，单击“新建 +”或“新建项目 +”以创建新项目。

   

2. 选择“创建空项目”。

   

3. 提供项目的名称。您必须将 IBM Cloud Object Storage 实例与您的项目相关联。如果您的 IBM Cloud 帐户中已有 IBM Cloud Object Storage 服务实例，那么应将其自动填充在此处。否则，请单击“添加”。

   

4. 选择要创建的计划类型（对于本教程来说，精简版计划就足够了），然后单击“创建”。

   

5. 单击项目创建页面的刷新。

   

6. 在看到您创建的 IBM Cloud Object Storage 实例显示在 Storage 下后，单击 Create。

   

7. 创建项目后，可以将笔记本添加到项目中。单击“添加到项目 +”，然后选择“笔记本”。

   

8. 切换到“从 URL”选项卡。提供笔记本的名称 as 和笔记本 URL 的 。Eager_Execution_in_TensorFlow_2.x``https://raw.githubusercontent.com/IBM/dl-learning-path-assets/main/fundamentals-of-deeplearning/notebooks/Eager_Execution_in_TensorFlow_2.x.ipynb

9. 在选择运行时下拉菜单下，选择默认 Python 3.7 XXS （1 vCPU，4 GB RAM）（列表中的第一个选项）。这是可用的最小运行时，每小时消耗的最小容量单位 （0.5）。对于本教程来说，此运行时应该足够了。单击创建。

   

10. 加载 Jupyter Notebook 并准备就绪内核后，可以开始执行笔记本中的单元。

    

重要提示：请确保在完成后停止笔记本的内核，以节省内存资源。

注意：项目中包含的 Jupyter Notebook 已清除输出。如果您想查看已经完成输出的笔记本，请参阅示例笔记本.

通读笔记本

花一些时间浏览笔记本的各个部分以获得概述。笔记本由文本（Markdown 或标题）单元格和代码单元格组成。Markdown 单元格提供有关代码设计用途的注释。

通过突出显示每个单元格，然后单击笔记本顶部的“运行”或使用键盘快捷键运行单元格（Shift + Enter ，但这可能因平台而异）来单独运行单元格。当单元运行时，星号 （） 会显示在单元格的左侧。当该单元格完成运行时，将显示一个序列号（例如，）。[*]``[17]

注意：笔记本中的某些注释是修改代码特定部分的说明。在运行单元之前，按照指示执行任何更改。

笔记本分为多个部分。

• 第 1 节解释了什么是 Eager Execution 及其功能。

• 第 2 节提供了安装 TensorFlow 的说明。

• 第 3 节将引导您完成一个示例，该示例演示了在禁用 Eager Execution 时 TensorFlow 操作的工作原理。

• 第 4 节将引导您完成一个示例，该示例演示了在启用 Eager Execution 时 TensorFlow 操作的工作原理。请注意，在遵循这些说明之前，必须重新启动内核。

• 第 5 节给出了一个动态控制流的示例，当启用 Eager Execution 时，这是可能的。

运行笔记本的前半部分

运行笔记本第 2 节和第 3 节中的单元格。这些部分中的代码将安装 TensorFlow 版本 2.2.0 及其先决条件，然后演示在禁用 Eager Execution 时 Tensor 上的一组操作的行为方式。您可以看到，在执行整个图形（使用 *Session*）之前，Tensor 变量的中间值不可用。这使得调试代码变得困难。

请注意，使用代码创建的对象的类型是 。a = tf.constant(np.array([1., 2., 3.]))``tensorflow.python.framework.ops.Tensor

重新启动内核

接下来，您将启用“预先执行”并运行相同的代码。但是，在创建任何张量之前，必须在代码开头启用或禁用 Eager Execution。因此，在启用 Eager Execution 之前，必须重新启动内核。

1. 要重新启动内核，请转到“内核”菜单，然后单击“重新启动”。在出现的选项中，单击“重新启动”以确认要重新启动内核。

运行笔记本的后半部分

1. 重新启动内核后，运行第 4 节下的第一个代码单元，该代码单元导入 和 .请注意，执行时出现在代码左侧的序列号现在已重置，并且第 4 节的 import 语句的序列号为 。tensorflow``numpy``[1]

   

2. 继续执行第 4 节和第 5 节中的其余单元格。在第 4 节中，启用了“预先执行”，并重新运行之前运行的相同代码。由于启用了 Eager Execution，因此现在可以调试代码，并且可以检查中间变量值，而无需将整个代码作为*会话*的一部分运行。

   

3. 另请注意，当启用“预先执行”时，代码会创建一个类型的对象。这意味着，当您启用或禁用 Eager Execution 时，可以重复使用相同的代码。a = tf.constant(np.array([1., 2., 3.]))``tensorflow.python.framework.ops.EagerTensor

   

4. 运行第 5 节中的代码单元。第 5 节中的代码显示了在启用 Eager Execution 的情况下，Tensor 的行为与宿主语言中的任何其他变量一样，您甚至可以在 Tensor 控制流中使用宿主语言控制语句和循环，例如 、 和。if``while``for

总结

在本教程中，您了解了 Eager Execution 的影响，以及在 TensorFlow 2.x 中默认启用它的好处。您学习了如何在 IBM Cloud Pak for Data as a Service 上使用 Watson Studio 运行 Jupyter Notebook，如何禁用和启用 Eager Execution，以及 Eager Execution 的优势。下篇，我会介绍TensorFlow的执行逻辑回归，感觉大家的观看与点赞收藏