RuntimeError: tf.placeholder() 与急切执行不兼容答案

【问题标题】：RuntimeError: tf.placeholder() is not compatible with eager executionRuntimeError: tf.placeholder() 与急切执行不兼容
【发布时间】：2021-08-20 01:50:27
【问题描述】：

我已使用 tf_upgrade_v2 TF1 代码升级到 TF2。我是两者的菜鸟。我得到了下一个错误：

RuntimeError: tf.placeholder() is not compatible with eager execution.

我有一些tf.compat.v1.placeholder()。

self.temperature = tf.compat.v1.placeholder_with_default(1., shape=())
self.edges_labels = tf.compat.v1.placeholder(dtype=tf.int64, shape=(None, vertexes, vertexes))
self.nodes_labels = tf.compat.v1.placeholder(dtype=tf.int64, shape=(None, vertexes))
self.embeddings = tf.compat.v1.placeholder(dtype=tf.float32, shape=(None, embedding_dim))

你能给我一些关于如何进行的建议吗？任何“快速”的解决方案？还是我应该重新编码？

【问题讨论】：

标签： python python-3.x tensorflow tensorflow2.0

【解决方案1】：

tf.placeholder() 旨在馈送到运行时从 feed dict 接收值并执行所需操作的会话。通常，您会使用 'with' 关键字创建一个 Session() 并运行它。但这可能不利于所有需要立即执行的情况。这称为急切执行。示例：

一般来说，这是运行会话的过程：

import tensorflow as tf

def square(num):
    return tf.square(num) 

p = tf.placeholder(tf.float32)
q = square(num)

with tf.Session() as sess:
    print(sess.run(q, feed_dict={num: 10})

但是当我们以急切执行的方式运行时，我们将其运行为：

import tensorflow as tf

tf.enable_eager_execution()

def square(num):
   return tf.square(num)

print(square(10))

因此，我们不需要在会话中显式运行它，并且在大多数情况下可以更直观。这提供了更多的交互式执行。欲了解更多详情，请访问： https://www.tensorflow.org/guide/eager

如果您要将代码从 tensorflow v1 转换为 tensorflow v2，则必须实现 tf.compat.v1 并且 Placeholder 存在于 tf.compat.v1.placeholder 中，但这只能在急切模式下执行。

tf.compat.v1.disable_eager_execution()

TensorFlow 发布了 Eager Execution 模式，每个节点在定义后立即执行。因此使用 tf.placeholder 的语句不再有效。

【讨论】：

谢谢阿什。是的，我理解 eager 和 session 下的逻辑，但我说的是使用 ft_upgrade_v2 工具将 TF1 代码升级到 TF2。它不处理占位符吗？
感谢您澄清您的问题！似乎占位符已从 tensorflow2.0 中删除，您需要创建 None 类型的张量。另外，如果您使用 tf.compat.v1.*，那么您需要由于不兼容而关闭 Eager Execution！
tf.compat.v1.disable_eager_execution()，谢谢~

【解决方案2】：

如果您在使用 TensorFlow 模型进行对象检测时遇到此错误，请使用 exporter_main_v2.py 而不是 export_inference_graph.py 导出模型。这是正确的做法。如果你只是关闭 eager_execution 那么它会解决这个错误但会产生其他错误。

还请注意，有一些参数更改，例如您将指定检查点目录的路径而不是检查点的路径。关于如何使用 TensorFlow V2 进行对象检测，请参阅 this 文档

【讨论】：

【解决方案3】：

我在这里找到了一个简单的解决方案：disable Tensorflow eager execution

基本上是这样的：

tf.compat.v1.disable_eager_execution()

这样，您可以禁用默认的激活急切执行，并且您不需要更多地接触代码。

【讨论】：

我不认为这样做是一个好主意，因为你失去了轻松交错 python 和 tensorflow 代码的能力——你在表现力方面受到严重限制，不妨使用 TF 1。 X。如果你想在仍然启用 Eager Execution 的同时将操作编译成图形组件，你可以使用 tf.function 装饰函数，它将代码 JIT 编译到图形中。
我们在哪里使用这个方法？而不是每个 tf.compat.v1.placeholder() ?
开始使用TF或脚本。
尝试运行一些“旧”的 Tensorflow 代码，感觉有一半的库被弃用了。
@AMGMNPLK tf.compat.v1.disable_eager_execution()，谢谢~

【解决方案4】：

在 TensorFlow 1.X 中，会创建占位符，并在实例化 tf.Session 时为其提供实际值。但是，从 TensorFlow2.0 开始，Eager Execution 已默认启用，因此“占位符”的概念没有意义，因为操作是立即计算的（而不是与旧范式不同）。

另见Functions, not Sessions，

# TensorFlow 1.X
outputs = session.run(f(placeholder), feed_dict={placeholder: input})
# TensorFlow 2.0
outputs = f(input)

【讨论】：