如何将 feed_dict 和 placeholder 迁移到 TensorFlow 2？

Question

我正在尝试将一个简单的代码片段从 TensorFlow 1.x 转换为 TensorFlow 2：

# ########## TensorFlow 1.x code: ##########

import numpy as np

import tensorflow as tf

coefficients = np.array([[1.], [-10.], [25.]])

w = tf.Variable(0, dtype=tf.float32)

x = tf.placeholder(tf.float32, [3, 1])

cost = (x[0][0] * (w**2)) + (x[1][0]*w) + (x[2][0])

train = tf.train.GradientDescentOptimizer(0.05).minimize(cost)

if __name__ == '__main__':

    init = tf.global_variables_initializer()

    session = tf.Session()

    session.run(init)

    for i in range(100):

        session.run(train, feed_dict={x: coefficients})

    print(session.run(w))

大部分旧的 API 已在 TF2 中被替换（例如GradientDescentOptimizer替换为keras.optimizers.SGD），并且我能够弄清楚如何重构我的大部分代码，但我不知道如何重构tf.placeholder以及feed_dict这两者如何交互。TF2 中是否简单地避免使用占位符？

Answer 1

通常，您使用@tf.function占位符并将其转换为函数参数。sess.runthen 被替换为调用该函数。过去用于返回操作的东西（比如minimize）现在只在函数内部调用。这是转换后的代码片段：coefficients = tf.constant([[1.], [-10.], [25.]])w = tf.Variable(0.0)@tf.functiondef train(x):  cost = (x[0][0] * (w**2)) + (x[1][0]*w) + (x[2][0])  tf.compat.v1.train.GradientDescentOptimizer(0.05).minimize(cost, var_list=[w])for i in range(100):    train(coefficients)print(w)正如您所提到的，train.GradientDescentOptimizer已弃用，因此升级该部分将需要更多更改。