在 TensorFlow v1 中隐式启用 TensorFlow v2 行为

Question

As part of our migration to TensorFlow 2 I'd like to enable TensorFlow v2 behaviour in TensorFlow v1 (specifically TensorFlow 1.14). 我知道我可以调用tf.enable_v2_behavior()来执行此操作，但我想隐式执行此操作（通过环境变量或类似变量），而不必显式调用此 function。

我想这样做的原因是人们不要忘记这样做，并且不要意外地以 v1 行为结束。 我可以确保在运行任何测试之前调用tf.enable_v2_behavior() ，但是在测试环境之外我们代码的底层行为可能会有所不同（测试可能会通过，但是在测试环境之外运行时代码会失败）。

任何环境变量都可能有效，因为我几乎可以保证这是在我们所有的 docker 图像中设置的，但我对替代方案持开放态度。 我可以在导入特定模块时执行此操作，但我不能保证始终会导入特定模块（ tensorflow除外。）。

The docs for enable_v2_behavior state "This function is called in the main TensorFlow __init__.py file, user should not need to call it, except during complex migrations.", but this doesn't appear to be true (at least in TensorFlow 1.14;我猜这对于 TensorFlow 2.0 是正确的）。

Answer 1

这实际上是存在的，如果您将环境变量TF2_BEHAVIOR设置为1 ，它将启用 2.x 行为。 我还没有找到有关它的文档，但是您可以在源代码的注释中看到它：

# TF2 behavior is enabled if either 1) enable_v2_behavior() is called or
# 2) the TF2_BEHAVIOR=1 environment variable is set.  In the latter case,
# the modules below independently check if tf2.enabled().

我在 1.15.0 中对其进行了测试，它似乎可以工作：

import os
os.environ['TF2_BEHAVIOR'] = '1'
import tensorflow as tf

print(tf.constant([1, 2, 3]))  # Eager mode is enabled
# tf.Tensor([1 2 3], shape=(3,), dtype=int32)
print(tf.TensorShape([1, 2])[1])  # TensorShape dimensions are int
# 2