将 TensorFlow sess.run 转换为 @tf.function

Question

如何编辑sessions.run function 使其在 Tensorflow 2.0 上运行？

  with tf.compat.v1.Session(graph=graph) as sess:
    start = time.time()
    results = sess.run(output_operation.outputs[0],
                      {input_operation.outputs[0]: t})

我在这里阅读了文档，了解到您必须像这样更改 function：

  normalized = tf.divide(tf.subtract(resized, [input_mean]), [input_std])
  sess = tf.compat.v1.Session()
  result = sess.run(normalized)

  return result

对此：

def myFunctionToReplaceSessionRun(resized,input_mean,input_std):
    return tf.divide(tf.subtract(resized, [input_mean]), [input_std])

normalized = myFunctionToReplaceSessionRun(resized,input_mean,input_std)

但我无法弄清楚如何改变第一个。

这里有一些上下文，我正在尝试这个代码实验室，并在其中发现sess.run ，这给我带来了麻烦。

这是运行label_images文件时的命令行 output。

这是给出错误的 function。

Answer 1

在 TensorFlow 1.x 中，我们曾经创建tf.placeholder张量，数据可以通过该张量进入图表。 我们使用feed_dict=和tf.Session() object。

在 TensorFlow 2.0 中，我们可以直接将数据提供给图形，因为默认情况下启用了急切执行。 使用@tf.function注释，我们可以将 function 直接包含在我们的图中。 官方文档说，

此合并的中心是tf.function ，它允许您将 Python 语法的子集转换为可移植的高性能 TensorFlow 图。

这是文档中的一个简单示例，

@tf.function
def simple_nn_layer(x, y):
  return tf.nn.relu(tf.matmul(x, y))


x = tf.random.uniform((3, 3))
y = tf.random.uniform((3, 3))

simple_nn_layer(x, y)

现在，查看您的问题，您可以将您的 function 转换为，

@tf.function
def get_output_operation( input_op ):
    # The function goes here
    # from here return `results`

results = get_output_operation( some_input_op )

简而言之，占位符张量转换为 function arguments， sess.run( tensor ) tensor的张量由 ZC1C425268E68385D1AB5074C17ZA9 返回。 所有这些都发生在@tf.function注释 function 中。