属性错误：模块'tensorflow'没有属性'assign'

Question

我正在尝试将我以前的 tf1 代码迁移到 tf2。不幸的是，我的代码没有处于急切模式，所以我遇到了更多困难。我执行了以下代码(尚未训练(，并输入了错误消息：

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

这是我的最低代码示例PS：它必须处理复数！

# 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)

我手动执行此操作，因为除非他们更改了它，否则复数不支持优化器，所以我"手动"完成。

Answer 1

改为尝试tf.compat.v1.assign。 它对我有用。

Answer 2

tf.assign*函数在TF 2.0中可用作tf.Variable的方法。因此，您的示例可以重写为

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

请注意，与 TF 1.X 中的tf.assign不同，tf.Variable.assing_sub将急切地执行分配。