将TensorFlow sess.run转换为@tf.function

Question

如何编辑sessions.run函数，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})

我阅读了这里的文档，了解到你必须更改这样的功能：

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

到此：

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

但我不知道如何改变第一个。

这里有一点上下文，我正在尝试这个代码实验室，在这个实验室中发现了sess.run，这给我带来了麻烦。

这是运行label_images文件时的命令行输出。

这就是产生错误的函数。

Answer 1

使用TensorFlow 1.x，我们曾经创建tf.placeholder张量，通过这些张量数据可以进入图形。我们使用了feed_dict=和tf.Session()对象。

在TensorFlow 2.0中，我们可以直接将数据馈送到图中，因为默认情况下启用了热切执行。使用@tf.function注释，我们可以将函数直接包含在图中。官方文件说，

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

下面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，研究一下你的问题，你可以转换你的函数，比如

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

用简单而不太精确的词来说，占位符张量被转换为函数自变量，sess.run( tensor )中的tensor由函数返回。所有这些都发生在一个带@tf.function注释的函数中。