系列教程：如何將代碼遷移至 TensorFlow 1.0

本文出自 掘金翻譯計劃 正在組織翻譯的 TensorFlow 官方文檔。如果您有興趣，歡迎 申請成為譯者，學習完譯者教程後，參與到文章和文檔的翻譯和及對當中。我們也正在招募 TensorFlow 譯者，歡迎積极參加。

TensorFlow 1.0 中 API 的改動不再完全向後兼容。因此，運行於 TensorFlow 0.n 版本的 TensorFlow 應用可能不能在 TensorFlow 1.0 版本中正常運行。在此版本中，我們對 API 進行了一些修改，確保了其內部一致性；在接下來的整個 1.N 版本周期中都不會進行任何斷代式變更。

本指南將引導您了解新版 API 的主要變更，以及如何將您的程序自動升級至 TensorFlow 1.0。除了幫助您完成程序的修改之外，本指南也解釋了我們為何要做出這些變更。

如何升級

如果您希望自動將代碼遷移至 1.0 版本，可以嘗試使用我們的 tf_upgrade.py 腳本。此腳本能處理大多數情況，但有時還是需要您進行手動修改。 您可以在我們的 GitHub 中獲取此腳本。

如要將單個的 0.n 版 TensorFlow 源文件轉換為 1.0 版本，請輸入如下格式的命令：

$ python tf_upgrade.py --infile InputFile --outfile OutputFilen

例如，以下命令會將一個名為 test.py 的 0.n 版 TensorFlow 程序轉換為名為 test_1.0.py 的 1.0 版 TensorFlow 程序：

$ python tf_upgrade.py --infile test.py --outfile test_1.0.pyn

tf_upgrade.py 腳本還會生成一個名為 report.txt 的文件，記錄了其在升級過程中做的所有修改，並給出了一些可能需要您手動修改的建議。

如要將整個目錄的 0.n 版 TensorFlow 程序升級為 1.0 版本，請輸入如下格式的命令：

$ python tf_upgrade.py --intree InputDir --outtree OutputDirn

例如，以下命令會將 /home/user/cool 中的所有 0.n 版 TensorFlow 程序轉換為 1.0 版並放入新建的 /home/user/cool_1.0 目錄中：

$ python tf_upgrade.py --intree /home/user/cool --outtree /home/user/cool_1.0n

限制

在使用腳本進行升級時，有幾點注意事項。尤其是：

• 你需要手動修復所有 tf.reverse() 實例。 tf_upgrade.py 腳本也會在屏幕輸出以及 report.txt 文件中警告您關於 tf.reverse() 的信息。
• 如果遇上一些需要重排序的參數，tf_upgrade.py 將會試著最小化地格式化您的代碼，但不能自動地改變實際的參數順序。因此 tf_upgrade.py 將使用關鍵字參數，讓函數參數與順序無關。
• tf.get_variable_scope().reuse_variables() 之類的構造器將失效。我們建議刪除它們用以下方法代替：

with tf.variable_scope(tf.get_variable_scope(), reuse=True):

• 與 tf.pack 和 tf.unpack 類似，我們將 TensorArray.pack 以及 TensorArray.unpack 重命名為 TensorArray.stack 和 TensorArray.unstack。但是，TensorArray.pack 和 TensorArray.unpack 並不直接關聯 tf 命名空間，因而無法通過詞法直接檢測出來，例如 foo = tf.TensorArray(); foo.unpack()。因此需要手動修改它們。

手動升級您的代碼

您也可以不使用 tf_upgrade.py，手動升級代碼。本文檔剩餘部分提供了完整的 TensorFlow 1.0 非向後兼容變更列表。

變數（Variables）

現在 Variable 函數更具一致性，減少了誤解。

• tf.VARIABLES
• 需要重命名為 tf.GLOBAL_VARIABLES

• tf.all_variables
• 需要重命名為 tf.global_variables

• tf.initialize_all_variables
• 需要重命名為 tf.global_variables_initializer

• tf.initialize_local_variables
• 需要重命名為 tf.local_variables_initializer

• tf.initialize_variables
• 需要重命名為 tf.variables_initializer

聚合函數

現在所有的聚合函數（Summary function）都被統一放置於 tf.summary 命名空間中。

• tf.audio_summary
• 需要重命名為 tf.summary.audio

• tf.contrib.deprecated.histogram_summary
• 需要重命名為 tf.summary.histogram

• tf.contrib.deprecated.scalar_summary
• 需要重命名為 tf.summary.scalar

• tf.histogram_summary
• 需要重命名為 tf.summary.histogram

• tf.image_summary
• 需要重命名為 tf.summary.image

• tf.merge_all_summaries
• 需要重命名為 tf.summary.merge_all

• tf.merge_summary
• 需要重命名為 tf.summary.merge

• tf.scalar_summary
• 需要重命名為 tf.summary.scalar

• tf.train.SummaryWriter
• 需要重命名為 tf.summary.FileWriter

數值差異

整數除法以及 tf.floordiv 將使用向下取整（floor）語義。這樣就能使 np.divide 和 np.mod 的結果與 tf.divide 和 tf.mod 的結果保持一致。另外，我們修改了 tf.round 使用的取整演算法，使其與 NumPy 保持一致。

• tf.div
• 除法 tf.divide 的語義現在已經修改與 Python 語義保持一致，即 Python 3 中的 / 符號以及 Python 2 future 模塊的 division 將始終得到浮點數、// 將進行求整除法。此外，tf.div 將只進行求整除法。如需使用 C 語言強制截斷風格的除法運算，可以使用 tf.truncatediv。
• 請盡量將你的代碼 tf.div 改為 tf.divide，它將遵循 Python 的語義。

• tf.mod
• 求余 tf.mod 的語義現在已經修改與 Python 語義保持一致。另外，對於整數的運算將使用向下取整（floor）語義。如需使用 C 語言強制截斷風格的求余運算，可以使用 tf.truncatemod。

新版和舊版的除法操作對比總結如下表所示：

表達式TF 0.11 (py2)TF 0.11 (py3)TF 1.0 (py2)TF 1.0 (py3)tf.div(3,4)0000tf.div(-3,4)00-1-1tf.mod(-3,4)-3-311-3/40-0.75-1-0.75-3/4tf.divide(-3,4)N/AN/A-0.75-1

新版和舊版的取整操作對比總結如下表所示：

輸入PythonNumPyC++ round()TensorFlow 0.11(floor(x+.5))TensorFlow 1.0-3.5-4-4-4-3-4-2.5-2-2-3-2-2-1.5-2-2-2-1-2-0.500-1000.5001101.5222222.5223323.544444

匹配 NumPy 命名

新版本對許多函數進行了重命名以匹配 NumPy。這麼做旨在使得 NumPy 與 TensorFlow 之間的轉換盡量簡便。雖然我們已經排除了一些常見的不一致情況，但現在還有一些函數未能完全匹配。

• tf.inv
• 需要重命名為 tf.reciprocal
• 這麼做是為了防止其與 NumPy 的矩陣求逆函數 np.inv 混淆

• tf.list_diff
• 需要重命名為 tf.setdiff1d

• tf.listdiff
• 需要重命名為 tf.setdiff1d

• tf.mul
• 需要重命名為 tf.multiply

• tf.neg
• 需要重命名為 tf.negative

• tf.select
• 需要重命名為 tf.where
• tf.where 現在與 np.where 一樣，需要傳入 3 個或 1 個參數

• tf.sub
• 需要重命名為 tf.subtract

匹配 NumPy 參數

一些 TensorFlow 1.0 方法的參數現在與 NumPy 的方法相匹配了。為了實現這一點，TensorFlow 1.0 對一些關鍵字參數進行了修改，並對一些參數進行了重排序。需要注意的是，TensorFlow 1.0 現在不再使用 dimension 而轉為使用 axis。TensorFlow 1.0 在修改張量的操作中將保持張量參數始終在第一位。（參見 tf.concat 的改動）。

• tf.argmax
• 關鍵字參數 dimension 需要重命名為 axis

• tf.argmin
• 關鍵字參數 dimension 需要重命名為 axis

• tf.concat
• 關鍵字參數 concat_dim 需要重命名為 axis
• 輸入參數重排序為 tf.concat(values, axis, name=concat).

• tf.count_nonzero
• 關鍵字參數 reduction_indices 需要重命名為 axis

• tf.expand_dims
• 關鍵字參數 dim 需要重命名為 axis

• tf.reduce_all
• 關鍵字參數 reduction_indices 需要重命名為 axis

• tf.reduce_any
• 關鍵字參數 reduction_indices 需要重命名為 axis

• tf.reduce_join
• 關鍵字參數 reduction_indices 需要重命名為 axis

• tf.reduce_logsumexp
• 關鍵字參數 reduction_indices 需要重命名為 axis

• tf.reduce_max
• 關鍵字參數 reduction_indices 需要重命名為 axis

• tf.reduce_mean
• 關鍵字參數 reduction_indices 需要重命名為 axis

• tf.reduce_min
• 關鍵字參數 reduction_indices 需要重命名為 axis

• tf.reduce_prod
• 關鍵字參數 reduction_indices 需要重命名為 axis

• tf.reduce_sum
• 關鍵字參數 reduction_indices 需要重命名為 axis

• tf.reverse
• tf.reverse 之前需要傳入 1 維 bool 型張量用以控制維度的順序調換，現在使用一組軸的索引進行控制。
• 例如 tf.reverse(a, [True, False, True]) 現在需改為 tf.reverse(a, [0, 2])

• tf.reverse_sequence
• 關鍵字參數 batch_dim 需要重命名為 batch_axis
• 關鍵字參數 seq_dim 需要重命名為 seq_axis

• tf.sparse_concat
• 關鍵字參數 concat_dim 需要重命名為 axis

• tf.sparse_reduce_sum
• 關鍵字參數 reduction_axes 需要重命名為 axis

• tf.sparse_reduce_sum_sparse
• 關鍵字參數 reduction_axes 需要重命名為 axis

• tf.sparse_split
• 關鍵字參數 split_dim 需要重命名為 axis
• 輸入參數重排序為 tf.sparse_split(keyword_required=KeywordRequired(), sp_input=None, num_split=None, axis=None, name=None, split_dim=None).

• tf.split
• 關鍵字參數 split_dim 需要重命名為 axis
• 關鍵字參數 num_split 需要重命名為 num_or_size_splits
• 輸入參數重排序為 tf.split(value, num_or_size_splits, axis=0, num=None, name=split).

• tf.squeeze
• 關鍵字參數 squeeze_dims 需要重命名為 axis

• tf.svd
• 輸入參數重排序為 tf.svd(tensor, full_matrices=False, compute_uv=True, name=None).

簡化數學變換

批量版數學運算操作已被移除。現在非批量版的函數已經包含了批量運算的功能。例如，tf.complex_abs 的功能已遷移至 tf.abs

• tf.batch_band_part
• 需要重命名為 tf.band_part

• tf.batch_cholesky
• 需要重命名為 tf.cholesky

• tf.batch_cholesky_solve
• 需要重命名為 tf.cholesky_solve

• tf.batch_fft
• 需要重命名為 tf.fft

• tf.batch_fft3d
• 需要重命名為 tf.fft3d

• tf.batch_ifft
• 需要重命名為 tf.ifft

• tf.batch_ifft2d
• 需要重命名為 tf.ifft2d

• tf.batch_ifft3d
• 需要重命名為 tf.ifft3d

• tf.batch_matmul
• 需要重命名為 tf.matmul

• tf.batch_matrix_determinant
• 需要重命名為 tf.matrix_determinant

• tf.batch_matrix_diag
• 需要重命名為 tf.matrix_diag

• tf.batch_matrix_inverse
• 需要重命名為 tf.matrix_inverse

• tf.batch_matrix_solve
• 需要重命名為 tf.matrix_solve

• tf.batch_matrix_solve_ls
• 需要重命名為 tf.matrix_solve_ls

• tf.batch_matrix_transpose
• 需要重命名為 tf.matrix_transpose

• tf.batch_matrix_triangular_solve
• 需要重命名為 tf.matrix_triangular_solve

• tf.batch_self_adjoint_eig
• 需要重命名為 tf.self_adjoint_eig

• tf.batch_self_adjoint_eigvals
• 需要重命名為 tf.self_adjoint_eigvals

• tf.batch_set_diag
• 需要重命名為 tf.set_diag

• tf.batch_svd
• 需要重命名為 tf.svd

• tf.complex_abs
• 需要重命名為 tf.abs

其它改動

除上文所述的改動外，還有以下一些變化：

• tf.image.per_image_whitening
• 需要重命名為 tf.image.per_image_standardization

• tf.nn.sigmoid_cross_entropy_with_logits
• 輸入參數重排序為 tf.nn.sigmoid_cross_entropy_with_logits(_sentinel=None, labels=None, logits=None, name=None).

• tf.nn.softmax_cross_entropy_with_logits
• 輸入參數重排序為 tf.nn.softmax_cross_entropy_with_logits(_sentinel=None, labels=None, logits=None, dim=-1, name=None).

• tf.nn.sparse_softmax_cross_entropy_with_logits
• 輸入參數重排序為 tf.nn.sparse_softmax_cross_entropy_with_logits(_sentinel=None, labels=None, logits=None, name=None).

• tf.ones_initializer
• 需要修改成函數調用，例如 tf.ones_initializer()

• tf.pack
• 需要重命名為 tf.stack

• tf.round
• tf.round 的語義現在與銀行家舍入法（Bankers rounding）相同。

• tf.unpack
• 需要重命名為 tf.unstack

• tf.zeros_initializer
• 需要修改成函數調用，例如 tf.zeros_initializer()

掘金翻譯計劃 是一個翻譯優質互聯網技術文章的社區，文章來源為 掘金 上的英文分享文章。內容覆蓋 Android、iOS、前端、後端、區塊鏈、產品、設計、人工智慧等領域，想要查看更多優質譯文請持續關注 掘金翻譯計劃、官方微博、知乎專欄。

推薦閱讀：