Se usó la API de Cloud Translation para traducir esta página.
Switch to English

Actualizar automáticamente el código a TensorFlow 2

Ver en TensorFlow.org Ejecutar en Google Colab Ver código fuente en GitHub Descargar cuaderno

TensorFlow 2.0 incluye muchos cambios de API, como reordenar argumentos, renombrar símbolos y cambiar los valores predeterminados para los parámetros. La realización manual de todas estas modificaciones sería tediosa y propensa a errores. Para simplificar los cambios y hacer que su transición a TF 2.0 sea lo más fluida posible, el equipo de TensorFlow ha creado la utilidad tf_upgrade_v2 para ayudar a la transición del código heredado a la nueva API.

El uso típico es así:

tf_upgrade_v2 \
  --intree my_project/ \
  --outtree my_project_v2/ \
  --reportfile report.txt

Acelerará su proceso de actualización al convertir los scripts existentes de Python TensorFlow 1.x a TensorFlow 2.0.

El script de conversión se automatiza tanto como sea posible, pero todavía hay cambios sintácticos y estilísticos que el script no puede realizar.

Módulos de compatibilidad

Ciertos símbolos de API no se pueden actualizar simplemente usando un reemplazo de cadena. Para garantizar que su código aún sea compatible con TensorFlow 2.0, el script de actualización incluye un módulo compat.v1 . Este módulo reemplaza los símbolos TF 1.x como tf.foo con la referencia equivalente tf.compat.v1.foo . Si bien el módulo de compatibilidad es bueno, le recomendamos que revise manualmente los reemplazos y los migre a nuevas API en el espacio de nombres tf.* lugar del espacio de nombres tf.compat.v1 más rápido posible.

Debido a las depreciaciones del módulo TensorFlow 2.x (por ejemplo, tf.flags y tf.contrib ), algunos cambios no se pueden compat.v1 cambiando a compat.v1 . La actualización de este código puede requerir el uso de una biblioteca adicional (por ejemplo, absl.flags ) o cambiar a un paquete en tensorflow / addons .

El resto de esta guía muestra cómo usar el script de actualización. Si bien el script de actualización es fácil de usar, se recomienda encarecidamente que lo use como parte del siguiente proceso:

  1. Prueba unitaria : asegúrese de que el código que está actualizando tenga un conjunto de pruebas unitarias con una cobertura razonable. Este es el código Python, por lo que el lenguaje no lo protegerá de muchas clases de errores. Asegúrese también de que cualquier dependencia que tenga ya se haya actualizado para que sea compatible con TensorFlow 2.0.

  2. Instale TensorFlow 1.14 : Actualice su TensorFlow a la última versión de TensorFlow 1.x, al menos 1.14. Esto incluye la API final de TensorFlow 2.0 en tf.compat.v2 .

  3. Prueba con 1.14 : Asegúrese de que las pruebas de su unidad pasen en este punto. Los ejecutará repetidamente a medida que actualice, por lo que comenzar desde el verde es importante.

  4. Ejecute el script de actualización : ejecute tf_upgrade_v2 en todo su árbol fuente, incluidas las pruebas. Esto actualizará su código a un formato en el que solo use símbolos disponibles en TensorFlow 2.0. Se accederá a los símbolos obsoletos con tf.compat.v1 . Estos eventualmente requerirán atención manual, pero no de inmediato.

  5. Ejecute las pruebas convertidas con TensorFlow 1.14 : su código aún debería funcionar bien en TensorFlow 1.14. Ejecute sus pruebas unitarias nuevamente. Cualquier error en sus pruebas aquí significa que hay un error en el script de actualización. Por favor avísanos .

  6. Verifique el informe de actualización en busca de advertencias y errores : el script escribe un archivo de informe que explica las conversiones que debe verificar nuevamente o cualquier acción manual que deba realizar. Por ejemplo: cualquier instancia restante de contrib requerirá una acción manual para eliminar. Consulte el RFC para obtener más instrucciones .

  7. Instale TensorFlow 2.0 : en este punto, debería ser seguro cambiar a TensorFlow 2.0

  8. Prueba con v1.disable_v2_behavior : volver a ejecutar sus pruebas con al v1.disable_v2_behavior() en la función principal de las pruebas debería dar los mismos resultados que con 1.14.

  9. Habilite el comportamiento de V2 : ahora que sus pruebas funcionan con la API de v2, puede comenzar a buscar el comportamiento de v2. Dependiendo de cómo esté escrito su código, esto puede requerir algunos cambios. Consulte la guía de migración para más detalles.

Usando el script de actualización

Preparar

Antes de comenzar, asegúrese de que TensorlFlow 2.0 esté instalado.

 import tensorflow as tf

print(tf.__version__)
 
2.2.0

Clone el repositorio git de tensorflow / models para que tenga algún código para probar:

git clone --branch r1.13.0 --depth 1 https://github.com/tensorflow/models
Cloning into 'models'...
remote: Enumerating objects: 2927, done.[K
remote: Counting objects: 100% (2927/2927), done.[K
remote: Compressing objects: 100% (2449/2449), done.[K
remote: Total 2927 (delta 509), reused 2036 (delta 403), pack-reused 0[K
Receiving objects: 100% (2927/2927), 369.04 MiB | 21.01 MiB/s, done.
Resolving deltas: 100% (509/509), done.
Checking out files: 100% (2768/2768), done.

Lee la ayuda

El script debe instalarse con TensorFlow. Aquí está la ayuda integrada:

tf_upgrade_v2 -h
usage: tf_upgrade_v2 [-h] [--infile INPUT_FILE] [--outfile OUTPUT_FILE]
                     [--intree INPUT_TREE] [--outtree OUTPUT_TREE]
                     [--copyotherfiles COPY_OTHER_FILES] [--inplace]
                     [--no_import_rename] [--reportfile REPORT_FILENAME]
                     [--mode {DEFAULT,SAFETY}] [--print_all]

Convert a TensorFlow Python file from 1.x to 2.0

Simple usage:
  tf_upgrade_v2.py --infile foo.py --outfile bar.py
  tf_upgrade_v2.py --infile foo.ipynb --outfile bar.ipynb
  tf_upgrade_v2.py --intree ~/code/old --outtree ~/code/new

optional arguments:
  -h, --help            show this help message and exit
  --infile INPUT_FILE   If converting a single file, the name of the file to
                        convert
  --outfile OUTPUT_FILE
                        If converting a single file, the output filename.
  --intree INPUT_TREE   If converting a whole tree of files, the directory to
                        read from (relative or absolute).
  --outtree OUTPUT_TREE
                        If converting a whole tree of files, the output
                        directory (relative or absolute).
  --copyotherfiles COPY_OTHER_FILES
                        If converting a whole tree of files, whether to copy
                        the other files.
  --inplace             If converting a set of files, whether to allow the
                        conversion to be performed on the input files.
  --no_import_rename    Not to rename import to compact.v2 explicitly.
  --reportfile REPORT_FILENAME
                        The name of the file where the report log is
                        stored.(default: report.txt)
  --mode {DEFAULT,SAFETY}
                        Upgrade script mode. Supported modes: DEFAULT: Perform
                        only straightforward conversions to upgrade to 2.0. In
                        more difficult cases, switch to use compat.v1. SAFETY:
                        Keep 1.* code intact and import compat.v1 module.
  --print_all           Print full log to stdout instead of just printing
                        errors

Ejemplo de código TF1

Aquí hay un script simple de TensorFlow 1.0:

head -n 65 models/samples/cookbook/regression/custom_regression.py | tail -n 10
  # Calculate loss using mean squared error
  average_loss = tf.losses.mean_squared_error(labels, predictions)

  # Pre-made estimators use the total_loss instead of the average,
  # so report total_loss for compatibility.
  batch_size = tf.shape(labels)[0]
  total_loss = tf.to_float(batch_size) * average_loss

  if mode == tf.estimator.ModeKeys.TRAIN:
    optimizer = params.get("optimizer", tf.train.AdamOptimizer)

Con TensorFlow 2.0 instalado, no se ejecuta:

(cd models/samples/cookbook/regression && python custom_regression.py)
Traceback (most recent call last):
  File "custom_regression.py", line 162, in <module>
    tf.logging.set_verbosity(tf.logging.INFO)
AttributeError: module 'tensorflow' has no attribute 'logging'

Fila india

El script de actualización se puede ejecutar en un solo archivo de Python:

 !tf_upgrade_v2 \
  --infile models/samples/cookbook/regression/custom_regression.py \
  --outfile /tmp/custom_regression_v2.py
 
INFO line 38:8: Renamed 'tf.feature_column.input_layer' to 'tf.compat.v1.feature_column.input_layer'
INFO line 43:10: Renamed 'tf.layers.dense' to 'tf.compat.v1.layers.dense'
INFO line 46:17: Renamed 'tf.layers.dense' to 'tf.compat.v1.layers.dense'
INFO line 57:17: tf.losses.mean_squared_error requires manual check. tf.losses have been replaced with object oriented versions in TF 2.0 and after. The loss function calls have been converted to compat.v1 for backward compatibility. Please update these calls to the TF 2.0 versions.
INFO line 57:17: Renamed 'tf.losses.mean_squared_error' to 'tf.compat.v1.losses.mean_squared_error'
INFO line 61:15: Added keywords to args of function 'tf.shape'
INFO line 62:15: Changed tf.to_float call to tf.cast(..., dtype=tf.float32).
INFO line 65:40: Renamed 'tf.train.AdamOptimizer' to 'tf.compat.v1.train.AdamOptimizer'
INFO line 68:39: Renamed 'tf.train.get_global_step' to 'tf.compat.v1.train.get_global_step'
INFO line 83:9: tf.metrics.root_mean_squared_error requires manual check. tf.metrics have been replaced with object oriented versions in TF 2.0 and after. The metric function calls have been converted to compat.v1 for backward compatibility. Please update these calls to the TF 2.0 versions.
INFO line 83:9: Renamed 'tf.metrics.root_mean_squared_error' to 'tf.compat.v1.metrics.root_mean_squared_error'
INFO line 142:23: Renamed 'tf.train.AdamOptimizer' to 'tf.compat.v1.train.AdamOptimizer'
INFO line 162:2: Renamed 'tf.logging.set_verbosity' to 'tf.compat.v1.logging.set_verbosity'
INFO line 162:27: Renamed 'tf.logging.INFO' to 'tf.compat.v1.logging.INFO'
INFO line 163:2: Renamed 'tf.app.run' to 'tf.compat.v1.app.run'
TensorFlow 2.0 Upgrade Script
-----------------------------
Converted 1 files
Detected 0 issues that require attention
--------------------------------------------------------------------------------


Make sure to read the detailed log 'report.txt'


El script imprimirá errores si no puede encontrar una solución para el código.

Árbol de directorios

Los proyectos típicos, incluido este sencillo ejemplo, utilizarán mucho más de un archivo. Por lo general, desea actualizar un paquete completo, por lo que el script también se puede ejecutar en un árbol de directorios:

 # upgrade the .py files and copy all the other files to the outtree
!tf_upgrade_v2 \
    --intree models/samples/cookbook/regression/ \
    --outtree regression_v2/ \
    --reportfile tree_report.txt
 
WARNING line 125:15: Changing dataset.make_one_shot_iterator() to tf.compat.v1.data.make_one_shot_iterator(dataset). Please check this transformation.

INFO line 82:10: tf.estimator.LinearRegressor: Default value of loss_reduction has been changed to SUM_OVER_BATCH_SIZE; inserting old default value tf.keras.losses.Reduction.SUM.

INFO line 105:2: Renamed 'tf.logging.set_verbosity' to 'tf.compat.v1.logging.set_verbosity'
INFO line 105:27: Renamed 'tf.logging.INFO' to 'tf.compat.v1.logging.INFO'
INFO line 106:2: Renamed 'tf.app.run' to 'tf.compat.v1.app.run'
INFO line 72:10: tf.estimator.DNNRegressor: Default value of loss_reduction has been changed to SUM_OVER_BATCH_SIZE; inserting old default value tf.keras.losses.Reduction.SUM.

INFO line 96:2: Renamed 'tf.logging.set_verbosity' to 'tf.compat.v1.logging.set_verbosity'
INFO line 96:27: Renamed 'tf.logging.INFO' to 'tf.compat.v1.logging.INFO'
INFO line 97:2: Renamed 'tf.app.run' to 'tf.compat.v1.app.run'
INFO line 58:10: tf.estimator.LinearRegressor: Default value of loss_reduction has been changed to SUM_OVER_BATCH_SIZE; inserting old default value tf.keras.losses.Reduction.SUM.

INFO line 101:2: Renamed 'tf.logging.set_verbosity' to 'tf.compat.v1.logging.set_verbosity'
INFO line 101:27: Renamed 'tf.logging.INFO' to 'tf.compat.v1.logging.INFO'
INFO line 102:2: Renamed 'tf.app.run' to 'tf.compat.v1.app.run'
INFO line 38:8: Renamed 'tf.feature_column.input_layer' to 'tf.compat.v1.feature_column.input_layer'
INFO line 43:10: Renamed 'tf.layers.dense' to 'tf.compat.v1.layers.dense'
INFO line 46:17: Renamed 'tf.layers.dense' to 'tf.compat.v1.layers.dense'
INFO line 57:17: tf.losses.mean_squared_error requires manual check. tf.losses have been replaced with object oriented versions in TF 2.0 and after. The loss function calls have been converted to compat.v1 for backward compatibility. Please update these calls to the TF 2.0 versions.
INFO line 57:17: Renamed 'tf.losses.mean_squared_error' to 'tf.compat.v1.losses.mean_squared_error'
INFO line 61:15: Added keywords to args of function 'tf.shape'
INFO line 62:15: Changed tf.to_float call to tf.cast(..., dtype=tf.float32).
INFO line 65:40: Renamed 'tf.train.AdamOptimizer' to 'tf.compat.v1.train.AdamOptimizer'
INFO line 68:39: Renamed 'tf.train.get_global_step' to 'tf.compat.v1.train.get_global_step'
INFO line 83:9: tf.metrics.root_mean_squared_error requires manual check. tf.metrics have been replaced with object oriented versions in TF 2.0 and after. The metric function calls have been converted to compat.v1 for backward compatibility. Please update these calls to the TF 2.0 versions.
INFO line 83:9: Renamed 'tf.metrics.root_mean_squared_error' to 'tf.compat.v1.metrics.root_mean_squared_error'
INFO line 142:23: Renamed 'tf.train.AdamOptimizer' to 'tf.compat.v1.train.AdamOptimizer'
INFO line 162:2: Renamed 'tf.logging.set_verbosity' to 'tf.compat.v1.logging.set_verbosity'
INFO line 162:27: Renamed 'tf.logging.INFO' to 'tf.compat.v1.logging.INFO'
INFO line 163:2: Renamed 'tf.app.run' to 'tf.compat.v1.app.run'
INFO line 40:7: Renamed 'tf.test.mock' to 'tf.compat.v1.test.mock'
TensorFlow 2.0 Upgrade Script
-----------------------------
Converted 7 files
Detected 1 issues that require attention
--------------------------------------------------------------------------------
--------------------------------------------------------------------------------
File: models/samples/cookbook/regression/automobile_data.py
--------------------------------------------------------------------------------
models/samples/cookbook/regression/automobile_data.py:125:15: WARNING: Changing dataset.make_one_shot_iterator() to tf.compat.v1.data.make_one_shot_iterator(dataset). Please check this transformation.



Make sure to read the detailed log 'tree_report.txt'


Tenga en cuenta la advertencia sobre la función dataset.make_one_shot_iterator .

Ahora el script funciona con TensorFlow 2.0:

Tenga en cuenta que debido al módulo tf.compat.v1 , el script convertido también se ejecutará en TensorFlow 1.14.

(cd regression_v2 && python custom_regression.py 2>&1) | tail
I0723 01:38:37.875919 139960395478848 estimator.py:2066] Saving dict for global step 1000: global_step = 1000, loss = 309.0033, rmse = 2.5372365
INFO:tensorflow:Saving 'checkpoint_path' summary for global step 1000: /tmp/tmppypy65xc/model.ckpt-1000
I0723 01:38:37.917639 139960395478848 estimator.py:2127] Saving 'checkpoint_path' summary for global step 1000: /tmp/tmppypy65xc/model.ckpt-1000
Tensor("IteratorGetNext:25", shape=(None,), dtype=float64, device=/device:CPU:0)
Tensor("Squeeze:0", shape=(None,), dtype=float32)

********************************************************************************

RMS error for the test set: $2537


Reporte detallado

El script también informa una lista de cambios detallados. En este ejemplo, encontró una transformación posiblemente insegura e incluyó una advertencia en la parte superior del archivo:

head -n 20 tree_report.txt
TensorFlow 2.0 Upgrade Script
-----------------------------
Converted 7 files
Detected 1 issues that require attention
--------------------------------------------------------------------------------
--------------------------------------------------------------------------------
File: models/samples/cookbook/regression/automobile_data.py
--------------------------------------------------------------------------------
models/samples/cookbook/regression/automobile_data.py:125:15: WARNING: Changing dataset.make_one_shot_iterator() to tf.compat.v1.data.make_one_shot_iterator(dataset). Please check this transformation.

================================================================================
Detailed log follows:

================================================================================
================================================================================
Input tree: 'models/samples/cookbook/regression/'
================================================================================
--------------------------------------------------------------------------------
Processing file 'models/samples/cookbook/regression/automobile_data.py'
 outputting to 'regression_v2/automobile_data.py'

Observe nuevamente la advertencia sobre la Dataset.make_one_shot_iterator function .

En otros casos, el resultado explicará el razonamiento de los cambios no triviales:

 %%writefile dropout.py
import tensorflow as tf

d = tf.nn.dropout(tf.range(10), 0.2)
z = tf.zeros_like(d, optimize=False)
 
Writing dropout.py

 !tf_upgrade_v2 \
  --infile dropout.py \
  --outfile dropout_v2.py \
  --reportfile dropout_report.txt > /dev/null
 
cat dropout_report.txt
TensorFlow 2.0 Upgrade Script
-----------------------------
Converted 1 files
Detected 0 issues that require attention
--------------------------------------------------------------------------------
================================================================================
Detailed log follows:

================================================================================
--------------------------------------------------------------------------------
Processing file 'dropout.py'
 outputting to 'dropout_v2.py'
--------------------------------------------------------------------------------

3:4: INFO: Changing keep_prob arg of tf.nn.dropout to rate, and recomputing value.

4:4: INFO: Renaming tf.zeros_like to tf.compat.v1.zeros_like because argument optimize is present. tf.zeros_like no longer takes an optimize argument, and behaves as if optimize=True. This call site specifies something other than optimize=True, so it was converted to compat.v1.
--------------------------------------------------------------------------------


Aquí está el contenido del archivo modificado, observe cómo el script agrega nombres de argumentos para lidiar con argumentos movidos y renombrados:

cat dropout_v2.py
import tensorflow as tf

d = tf.nn.dropout(tf.range(10), 1 - (0.2))
z = tf.compat.v1.zeros_like(d, optimize=False)

Un proyecto más grande puede contener algunos errores. Por ejemplo, convierta el modelo de deeplab:

 !tf_upgrade_v2 \
    --intree models/research/deeplab \
    --outtree deeplab_v2 \
    --reportfile deeplab_report.txt > /dev/null
 

Produjo los archivos de salida:

ls deeplab_v2
README.md   datasets        input_preprocess.py        train.py
__init__.py deeplab_demo.ipynb  local_test.sh          utils
common.py   eval.py         local_test_mobilenetv2.sh  vis.py
common_test.py  export_model.py     model.py
core        g3doc           model_test.py

Pero hubo errores. El informe lo ayudará a determinar qué necesita corregir antes de que esto se ejecute. Aquí están los primeros tres errores:

cat deeplab_report.txt | grep -i models/research/deeplab | grep -i error | head -n 3
models/research/deeplab/vis.py:31:7: ERROR: Using member tf.contrib.slim in deprecated module tf.contrib. tf.contrib.slim cannot be converted automatically. tf.contrib will not be distributed with TensorFlow 2.0, please consider an alternative in non-contrib TensorFlow, a community-maintained repository such as tensorflow/addons, or fork the required code.
models/research/deeplab/export_model.py:25:7: ERROR: Using member tf.contrib.slim in deprecated module tf.contrib. tf.contrib.slim cannot be converted automatically. tf.contrib will not be distributed with TensorFlow 2.0, please consider an alternative in non-contrib TensorFlow, a community-maintained repository such as tensorflow/addons, or fork the required code.
models/research/deeplab/train.py:29:7: ERROR: Using member tf.contrib.slim in deprecated module tf.contrib. tf.contrib.slim cannot be converted automatically. tf.contrib will not be distributed with TensorFlow 2.0, please consider an alternative in non-contrib TensorFlow, a community-maintained repository such as tensorflow/addons, or fork the required code.

"Modo seguro

El script de conversión también tiene un modo de SAFETY menos invasivo que simplemente cambia las importaciones para usar el módulo tensorflow.compat.v1 :

cat dropout.py
import tensorflow as tf

d = tf.nn.dropout(tf.range(10), 0.2)
z = tf.zeros_like(d, optimize=False)

tf_upgrade_v2 --mode SAFETY --infile dropout.py --outfile dropout_v2_safe.py > /dev/null
cat dropout_v2_safe.py
import tensorflow.compat.v1 as tf

d = tf.nn.dropout(tf.range(10), 0.2)
z = tf.zeros_like(d, optimize=False)

Como puede ver, esto no actualiza su código, pero permite que el código TensorFlow 1 se ejecute en TensorFlow 2

Advertencias

  • No actualice partes de su código manualmente antes de ejecutar este script. En particular, las funciones que han reordenado argumentos como tf.argmax o tf.batch_to_space hacen que el script agregue incorrectamente argumentos de palabras clave que no coinciden con su código existente.

  • El script asume que el tensorflow se importa usando import tensorflow as tf .

  • Este script no reordena los argumentos. En cambio, el script agrega argumentos de palabras clave a funciones que tienen sus argumentos reordenados.

  • Consulte tf2up.ml para obtener una herramienta conveniente para actualizar los cuadernos Jupyter y los archivos Python en un repositorio de GitHub.

Para informar errores de script de actualización o realizar solicitudes de funciones, presente un problema en GitHub . Y si está probando TensorFlow 2.0, ¡queremos saberlo! Únase a la comunidad de pruebas de TF 2.0 y envíe preguntas y debates a testing@tensorflow.org .