AttributeError：模塊“tensorflow”沒有屬性“assign”

Question

我正在嘗試將我以前的 tf1 代碼遷移到 tf2。 不幸的是，我的代碼沒有處於渴望模式，所以我遇到了更多困難。 我做了以下代碼（尚未訓練），我收到了錯誤消息：

Traceback (most recent call last):
    training_op = tf.assign(W, W - learning_rate * gradients)
AttributeError: module 'tensorflow' has no attribute 'assign'

這是我的最小代碼示例 PS：它必須使用復數！

# Data pre-processing
    m = 50
    n = 20
    x_train, y_train, x_test, y_test = get_my_data(x, y, m, n) # data x of size mxn

    # Network Declaration
    input_size = n
    output_size = 1
    learning_rate = 0.001  # The optimization learning rate
    # Create weight matrix initialized randomely from N~(0, 0.01)
    W = tf.Variable(tf.complex(np.random.rand(input_size, output_size),
                               np.random.rand(input_size, output_size)), name="weights")

    with tf.GradientTape() as gtape:
        y_out = tf.matmul(x_train, W, name="out")
        error = y - y_out
        loss = tf.reduce_mean(tf.square(tf.abs(error)), name="mse")
        gradients = gtape.gradient(loss, [W])[0]
        training_op = tf.assign(W, W - learning_rate * gradients)

我手動執行此操作，因為除非他們更改，否則復數不支持優化器，因此我“手動”執行此操作。

Answer 1

改用tf.compat.v1.assign 。 它對我有用。

Answer 2

tf.assign*函數可用作 TF 2.0 中tf.Variable上的方法。 因此，您的示例可以重寫為

with tf.GradientTape() as gtape:
    ...
    W.assign_sub(learning_rate * gradients)

請注意，與 TF 1.X 中的tf.assign不同， tf.Variable.assing_sub將急切地執行分配。