将 Tensorflow 2.0 降级到 1.5 后，结果发生了变化，结果再现不可用答案

【问题标题】：After downgrading Tensorflow 2.0 to 1.5 results changed and results reproduction is not available将 Tensorflow 2.0 降级到 1.5 后，结果发生了变化，结果再现不可用
【发布时间】：2020-05-18 07:56:02
【问题描述】：

您能帮我在不重新启动 Python 内核的情况下使用 Tensorflow 1.15 实现可重现的结果吗？为什么 TF 2.0 和 TF 1.5 的输出结果在参数和数据集完全相同的情况下会有所不同？是否可以实现相同的输出？

更多详情：我试图通过以下方式解释 TF 2.0 中的模型结果：

import shap
background = df3.iloc[np.random.choice(df3.shape[0], 100, replace=False)]
explainer = shap.DeepExplainer(model,  background)

我收到一个错误：

`get_session` is not available when using TensorFlow 2.0.`get_session` is not available when using TensorFlow 2.0.

根据SO topic，我尝试通过在我的代码前面使用来设置 TF 2.0 与 TF 1 的兼容性：

import tensorflow.compat.v1 as tf

但是错误又出现了。根据许多用户的建议，我将 TF2 降级到 TF 1.15 它解决了问题，并且 shap 模块解释了结果，但是： 1) 为了使结果可重现，我必须在 tf.random.set_random_seed(7) 上更改 tf.random.set_seed(7) 并每次都重新启动 Python 内核！在 TF2 中，我不必重新启动内核。 2) 预测结果发生了变化，尤其是经济效率（即TF1.5.错误分类比TF2.0更重要的样本）。

特遣部队2：准确度：94.95%，经济效率=64%

TF 1：准确度：94.85%，经济效率=56%

型号代码为here

【问题讨论】：

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

【解决方案1】：

首先，结果不仅TF1和TF2版本不同，TF2.0和TF2.2版本也不同。可能，它取决于包中不同的内部参数。

其次，TensorFlow2 与 DeepExplainer 在以下版本中协同工作：

import tensorflow
import pandas as pd
import keras
import xgboost
import numpy
import shap
print(tensorflow.__version__)
print(pd.__version__)
print(keras.__version__)
print(xgboost.__version__)
print(numpy.__version__)
print(shap.__version__)

输出：

2.2.0
0.24.2
2.3.1
0.90
1.17.5
0.35.0

但是更新库会遇到一些困难。

在 Python 3.5 中，运行 TF2.2，您将面临错误“DLL 加载失败：找不到指定的模块”。通过安装更新的 C++ 包可以 100% 解决。看到这个：https://github.com/tensorflow/tensorflow/issues/22794#issuecomment-573297027 下载包链接：https://support.microsoft.com/ru-ru/help/2977003/the-latest-supported-visual-c-downloads

在 Python 3.7 中，您将找不到带有 whl 扩展的 shap 0.35.0 版本。只有 tar.gz 扩展会给出错误：“安装 Visual C++ 包”。但是安装没有帮助。然后在此处下载适用于 Python 3.7 的 shap 0.35.0：https://anaconda.org/conda-forge/shap/files。运行 Anaconda 外壳。类型：conda install -c conda-forge C:\shap-0.35.0-py37h3bbf574_0.tar.bz2。

【讨论】：