请注意更新TensorFlow 2.0的旧代码

2.0 将包含许多API更改，例如重新排序参数，重命名符号以及更改参数的默认值。手动执行所有这些更改既乏味又容易出错。为了简化更改过程并尽可能顺利地过渡到 2.0，工程团队创建了实用程序来帮助您将旧代码过渡到新的 API。

60年代测试：你适合转型人工智能吗？

传送门：

：

使用 pip 安装 2.0 时会自动添加实用程序。该程序将现有的 1.13 个脚本转换为 2.0，以帮助加快您的升级过程。

我们已尝试自动化尽可能多的升级任务，但脚本仍然无法处理一些语法和风格变化。

仅使用字符串替代品可能无法轻松升级某些 API 符号。为确保 2.0 仍然支持您的代码，升级脚本包含一个 .v1 模块。该模块将使用等效的 pat.v1.foo 引用替换 tf.foo 形式的调用。但是，建议您尽快手动查看此类替代方案，并将它们迁移到 tf.* 命名空间（而不是 pat.v1.* 命名空间）中的新 API。

此外，由于我们弃用了某些模块（例如 tf.flags 和 tf.），您将无法通过切换到 .v1 来实现 2.0 中的某些更改。升级使用这些模块的代码可能需要使用额外的库（例如 absl.flags）或切换到 / 中的包。

传送门：

/:

如果您想尝试将模型从 1.12 升级到 2.0，请按照以下说明进行操作：

首先，安装tf–2.0-/tf–gpu-2.0-。

注意：当使用pip安装1.13及以上（包括2.0个构建）时，系统会自动安装。

您可以在单个文件上运行升级脚本：

— foo.py — foo-.py

您也可以在目录树上运行升级脚本：

# .py 文件并将所有其他文件复制到

— foo/ — foo- /

# 只是 .py 文件

— foo/ — foo-/ — 错误

此脚本还列出了详细的更改，例如参数重命名：

添加关键字：

并推荐用于任何手动检查：

所有这些信息都将导出到主目录中的 .txt 文件中。运行升级后的脚本并将其导出后，您可以运行模型并检查以确保您的输出类似于 1.13:

注意：

要报告升级脚本错误或提出功能请求，请提交问题。