如何在 tensorflow 版本 2 中轉換以下內容

Question

%tensorflow_version 1.x
import tensorflow as tf
print(tensorflow.__version__)
w = tf.Variable(0, dtype = tf.float32)
cost = w**2 - 8*w + 16
train = tf.train.GradientDescentOptimizer(learning_rate=0.01).minimize(cost)
init = tf.global_variables_initializer()
session = tf.Session()
session.run(init)
for i in range(1000):
    session.run(train)

print(session.run(w))
#3.994

我用谷歌搜索了這些東西，但沒有得到任何結論，當我使用 tf-vr-2 時，該程序會計算多項式的因子

Answer 1

import tensorflow as tf

w = tf.Variable(0, dtype = tf.float32)

@tf.function
def cost():
    return w**2 - 8*w + 16


train = tf.compat.v1.train.GradientDescentOptimizer(learning_rate=0.01)
for i in range(1000):
    train.minimize(loss=cost, var_list=[w])

tf.print(w)

Answer 2

從 TF1 到 TF2 的幾個變化：

• 優化器現在在keras模塊中，但是有一個別名tf.optimizers可以使用。 GradientDescentOptimizer可以用沒有動量的SGD代替
• Session object 不再使用。 相反，默認是急切執行，更接近於如何編寫標准 python 代碼。
• @tf.function裝飾器可用於將 function 跟蹤到圖表中，從而提高性能。 這不是強制性的。
• 全局狀態在 TF2 中不太常見，不需要init操作。

遷移指南可能會有所幫助。

import tensorflow as tf   

w = tf.Variable(0, dtype = tf.float32)

@tf.function
def cost():
    return w**2 - 8*w + 16
    
train = tf.optimizers.SGD(learning_rate=0.01)
for i in range(1000):
    train.minimize(loss=cost, var_list=[w])

print(w)