在 TensorFlow v1 中隐式启用 TensorFlow v2 行为

Question

作为我们迁移到 TensorFlow 2 的一部分，我想在 TensorFlow v1（特别是 TensorFlow 1.14）中启用 TensorFlow v2 行为。我知道我可以调用 tf.enable_v2_behavior() 来执行此操作，但我想隐式执行此操作（通过环境变量或类似的方法），而不必显式调用此函数。

我想这样做的原因是人们不要忘记这样做，并且不要意外地以 v1 行为结束。我可以确保在运行任何测试之前调用tf.enable_v2_behavior()，但是在测试环境之外我们代码的底层行为可能会有所不同（测试可能会通过，但是在测试环境之外运行时代码会失败）。

任何环境变量都可能有效，因为我几乎可以保证在我们所有的 docker 镜像中都设置了它，但我对替代方案持开放态度。我可以在导入特定模块时执行此操作，但我不能保证始终会导入特定模块（tensorflow! 除外）。

enable_v2_behavior 的文档状态“此函数在主 TensorFlow __init__.py 文件中调用，用户不需要调用它，除非在复杂迁移期间。”，但这似乎不是真的（在至少在 TensorFlow 1.14 中；我猜 TensorFlow 2.0 也是如此）。

Answer 1

这确实存在，如果您将环境变量 TF2_BEHAVIOR 设置为 1 它将启用 2.x 行为。我还没有找到关于它的文档，但你可以在the source code 的评论中看到它：

# TF2 behavior is enabled if either 1) enable_v2_behavior() is called or
# 2) the TF2_BEHAVIOR=1 environment variable is set.  In the latter case,
# the modules below independently check if tf2.enabled().

我在 1.15.0 中对其进行了测试，它似乎可以工作：

import os
os.environ['TF2_BEHAVIOR'] = '1'
import tensorflow as tf

print(tf.constant([1, 2, 3]))  # Eager mode is enabled
# tf.Tensor([1 2 3], shape=(3,), dtype=int32)
print(tf.TensorShape([1, 2])[1])  # TensorShape dimensions are int
# 2