Lai TensorFlow 1.12 skriptus pārvērstu par TensorFlow 2.0 priekšskatījuma skriptiem, varat izmantot rīku TF Upgrade V2. Šis rīks ir paredzēts, lai automatizētu TensorFlow 1.x koda jaunināšanas procesu uz TensorFlow 2.0, atvieglojot izstrādātājiem esošo kodu bāzu pāreju.
TF Upgrade V2 rīks nodrošina komandrindas saskarni, kas ļauj konvertēt TensorFlow 1.x kodu ar TensorFlow 2.0 saderīgu kodu. Šis rīks analizē jūsu kodu un piemēro transformāciju kopu, lai atjauninātu sintaksi un API to TensorFlow 2.0 ekvivalentiem.
Tālāk ir norādītas darbības, lai izmantotu rīku TF Upgrade V2.
1. Instalējiet TensorFlow 2.0 un TF Upgrade V2 rīku:
python !pip install tensorflow==2.0.0-beta1 !pip install tensorflow-upgrade
2. Atveriet termināli un pārejiet uz direktoriju, kurā ir jūsu TensorFlow 1.x skripts.
3. Palaidiet rīku TF Upgrade V2:
python !tf_upgrade_v2 --infile your_script.py --outfile your_script_upgraded.py
Aizstājiet "your_script.py" ar sava TensorFlow 1.x skripta nosaukumu un "your_script_upgraded.py" ar vēlamo konvertētā skripta nosaukumu.
4. Rīks analizēs jūsu skriptu un ģenerēs jaunu failu (`your_script_upgraded.py`) ar TensorFlow 2.0 saderīgu kodu. Tas arī sniegs pārskatu par veiktajām izmaiņām, izceļot visas iespējamās problēmas, kurām nepieciešama manuāla iejaukšanās.
5. Pārskatiet ģenerēto kodu un veiciet nepieciešamo manuālo iejaukšanos. Rīks TF Upgrade V2 automatizē lielāko daļu konvertēšanas procesa, taču var būt gadījumi, kad ir nepieciešamas manuālas korekcijas, īpaši, ja jūsu kods ir balstīts uz novecojušām vai noņemtām API.
6. Kad esat pārskatījis un vajadzības gadījumā pielāgojis kodu, varat palaist jaunināto skriptu, izmantojot TensorFlow 2.0.
Ir svarīgi atzīmēt, ka rīks TF Upgrade V2 ir noderīgs sākumpunkts TensorFlow 1.x koda migrēšanai uz TensorFlow 2.0. Tomēr tas negarantē pilnīgi netraucētu pāreju, jo var būt gadījumi, kad ir nepieciešama manuāla iejaukšanās.
TF Upgrade V2 rīks nodrošina ērtu veidu, kā TensorFlow 1.12 skriptus pārvērst TensorFlow 2.0 priekšskatījuma skriptos. Veicot iepriekš aprakstītās darbības, jūs varat automatizēt lielāko daļu konvertēšanas procesa, padarot to vienkāršāku esošās kodu bāzes jaunināšanu uz TensorFlow 2.0.
Citi jaunākie jautājumi un atbildes par EITC/AI/TFF TensorFlow pamati:
- Kā var izmantot iegulšanas slāni, lai automātiski piešķirtu pareizas asis vārdu kā vektoru attēlojuma diagrammai?
- Kāds ir maksimālās apvienošanas mērķis CNN?
- Kā attēlu atpazīšanai tiek izmantots funkciju ieguves process konvolucionālajā neironu tīklā (CNN)?
- Vai mašīnmācīšanās modeļiem, kas darbojas TensorFlow.js, ir jāizmanto asinhronā mācīšanās funkcija?
- Kāds ir TensorFlow Keras Tokenizer API maksimālā vārdu skaita parametrs?
- Vai TensorFlow Keras Tokenizer API var izmantot, lai atrastu biežākos vārdus?
- Kas ir TOCO?
- Kāda ir saistība starp vairākiem mašīnmācīšanās modeļa laikmetiem un modeļa palaišanas prognozēšanas precizitāti?
- Vai paketes kaimiņu API TensorFlow neironu strukturētajā mācībā rada paplašinātu apmācības datu kopu, kuras pamatā ir dabiskie diagrammas dati?
- Kas ir paketes kaimiņu API TensorFlow neironu strukturētajā apmācībā?
Skatiet vairāk jautājumu un atbilžu EITC/AI/TFF TensorFlow Fundamentals