Tensorflow 1.3教程学习Tensorflow 2.0

【问题标题】：Tensorflow 1.3 tutorial learning Tensorflow 2.0Tensorflow 1.3教程学习Tensorflow 2.0
【发布时间】：2019-11-03 18:35:09
【问题描述】：

我是 tensorflow 新手，正在尝试使用新版本 2.0。我了解 1.3 教程中发生的情况，但很多东西都被贬低了。如果有人可以让下面的代码与 2.0 版本一起使用，它将帮助我理解如何将教程中所做的转换为 tensorflow 上的新版本。

由于掠夺，所有被注释掉的东西都不起作用。我不想使用任何低于 2.0 的 tensorflow 版本

n_features = 10
n_dense_neurons = 3

#x = tf.placeholder(tf.float32,(None, n_features))
W = tf.Variable(tf.random.normal([n_features,n_dense_neurons]))
b = tf.Variable(tf.ones([n_dense_neurons]))

#xW = tf.matmul(x,W)
#z = tf.add(xW,b)
#a = tf.sigmoid(z)

#init = tf.global_variables_initializer()

#with tf.Session() as sess:
    #sess.run(init)
    #layer_out = sess.run(a,feed_dict={x:np.random.random([1,n_features])}) 
#print(layer_out)

【问题讨论】：

标签： tensorflow2.0

【解决方案1】：

这很简单：忘记tf.Session 对象和tf.placeholder，只需逐行执行代码，它就可以工作！（这是 Eager Execution，这是 TensorFlow 2.0 中的默认设置）。

因此，您不必声明占位符，而只需使用输入值（我添加了一个 tf.cast 操作，因为 np.random.random 返回一个双精度值，但 TensorFlow MatMul 操作适用于 tf.float32 值） .

import numpy as np
import tensorflow as tf

n_features = 10
n_dense_neurons = 3

x = tf.cast(np.random.random([1,n_features]), tf.float32)
W = tf.Variable(tf.random.normal([n_features,n_dense_neurons]))
b = tf.Variable(tf.ones([n_dense_neurons]))

xW = tf.matmul(x,W)
z = tf.add(xW,b)
a = tf.sigmoid(z)
print(a)

【讨论】：