Блог

Я новичок в Tensorflow и хотел бы перенести код Tensorflow 1 в Tensorflow 2 в Python 3.9.7.

К сожалению, я не могу заставить это работать даже после некоторых исследований и поиска stackoverflow

Я думаю, что проблема в том, чтобы соответствовать tf.train.string_input_producer . Это также сложно, потому что я использую графический процессор.

Прилагается фрагмент кода, как я его настроил, и исходные строки кода помечены #py2 . Я был бы рад идеям и предложениям.

С уважением

 # Python 3.9.7; GPU: yes (recognized); tf-version=2.4.1  import tensorflow as tf import os  from tensorflow.python.ops import init_ops  #from tensorflow.contrib.layers.python.layers import utils # py2 from tensorflow.keras import utils # py3  # from tensorflow.contrib.framework.python.ops import variables # py2 from tensorflow.python.ops import variables # py3 # ausprobiert  from tensorflow.python.ops import variable_scope from tensorflow.python.training import moving_averages  #  BATCH_SIZE = 100; TRAINING_ITERS = 100; DATA_DIR = "data/"; TRAINING_INPUT_SIZE = 38; INPUT_DEPTH = 1; AUX_DEPTH = 1; LAYER_SIZES = [64, 32, 1]; OUTPUT_DEPTH = LAYER_SIZES[-1] lr_size = int(TRAINING_INPUT_SIZE / 2) hr_shape=[TRAINING_INPUT_SIZE, TRAINING_INPUT_SIZE] hr_d=OUTPUT_DEPTH  DATA_DIR = 'scratch/ppt_016_032/' MODEL_NAME = 'ppt-016-032'  #  def inputs_climate(batch_size, num_epochs, data_dir, lr_d, aux_d, hr_d, lr_shape=None,  hr_shape=None, is_training=False):    filenames= sorted([os.path.join(data_dir, f) for f in os.listdir(data_dir)  if 'tfrecords' in f])    if is_training:  filenames = [f for f in filenames if 'train' in f]  else:  filenames = [f for f in filenames if 'test' in f]   with tf.keras.backend.name_scope('input'), tf.device("/gpu:0"): # eV # replace as variable # cpu/gpu # versuch py3  #with tf.name_scope('input'), tf.device("/gpu:0"): # py2 # original  # filename_queue = tf.train.string_input_producer(filenames) # py2 # original     # filename_queue = tf.compat.v1.train.string_input_producer(filenames)  # filename_queue = tf.data.TextLineDataset(filenames)    filename_queue = tf.data.TFRecordDataset(filenames)    #filename_queue = tf.data.Dataset.from_tensor_slices(filenames).shuffle(tf.shape(tf.name_scope('input'), out_type=tf.int64)[0]).repeat(num_epochs)     print("tf_reader_inputs_climate_filename_queue: "   str(filename_queue)) # eV  print("tf_reader_inputs_climate_filename_queue_type: "   str(type(filename_queue))) # eV  data = read_and_decode(filename_queue, is_training, lr_d, aux_d, hr_d, lr_shape=lr_shape, hr_shape=hr_shape)    0/0 # with intention    # [...] # more  def read_and_decode(filename_queue, is_training,lr_d,aux_d,hr_d, lr_shape=None, hr_shape=None):  #reader = tf.TFRecordReader() # py2 # original    #reader = tf.compat.v1.TFRecordReader(None, None)  #reader = tf.data.TFRecordDataset()  reader = tf.data.TFRecordDataset(filename_queue)  print("inputs_climate_read_and_decode_reader: "   str(reader))  print("inputs_climate_read_and_decode_reader_type: "   str(type(reader)))  print("inputs_climate_read_and_decode_filename_queue: "   str(filename_queue))  print("asdjkasndjidhjsadjksab")  #_, serialized_example = reader.read(queue=filename_queue) # py2 # original  serialized_example = tf.io.read_file(filename_queue)  #serialized_example = reader.read(queue=filename_queue)  print("se")  print(serialized_example)  print("basndkanjskdbjkasbksj")    # features = tf.parse_single_example( # py2  # io ebenfalls fuer fixedlenfeature # py3    0/0 # with intention    features = tf.io.parse_single_example(serialized_example,features={'hr_h': tf.io.FixedLenFeature([], tf.int64),'hr_w': tf.io.FixedLenFeature([], tf.int64),'lr_h': tf.io.FixedLenFeature([], tf.int64),'lr_w': tf.io.FixedLenFeature([], tf.int64),'label': tf.io.FixedLenFeature([], tf.string),'img_in': tf.io.FixedLenFeature([], tf.string),'aux': tf.io.FixedLenFeature([], tf.string),'lat': tf.io.FixedLenFeature([], tf.string),'lon': tf.io.FixedLenFeature([], tf.string),'time': tf.io.FixedLenFeature([], tf.int64)})    # [...] # more   # function call:  train_images, train_labels = inputs_climate(BATCH_SIZE, TRAINING_ITERS, DATA_DIR, lr_shape=[lr_size, lr_size], lr_d=INPUT_DEPTH, aux_d=AUX_DEPTH, is_training=True, hr_shape=[TRAINING_INPUT_SIZE, TRAINING_INPUT_SIZE], hr_d=OUTPUT_DEPTH)