这篇文章主要介绍了TensorFlow低版本代码自动升级为1.0版本，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧
Reference:
https://www.tensorflow.org/install/migration
tensorflow 更新到1.0之后，0.n版本不兼容，除了手动更改代码之外，tensorflow官方还提供了自动更新的脚本。
下载链接：https://github.com/tensorflow/tensorflow/tree/master/tensorflow/tools/compatibility
使用方法：
更新一个文件：
原本代码为foo.py, 使用tf_upgrade.py自动升级为1.0版本，新的文件名为foo-upgraded.py：
tf_upgrade.py --infile foo.py --outfile foo-upgraded.py
目录下的所有文件都更新：
tf_upgrade.py --intree InputDir --outtree OutputDir
目录下的所有文件都更新，并复制除了python文件之外的其他文件到新文件夹：
运行之后所有.py文件都会更新并放在OutputDir目录下，如果想要目录中的其他文件（.txt等）也复制到新的文件夹,可以设置
copyotherfiles为True： tf_upgrade.py --intree InputDir --outtree OutputDir --copyotherfiles True
更新完毕后脚本会自动生成一个log文件，其中包含了更新的内容。
third_party/tensorflow/tools/compatibility/test_file_v0.11.py Line 125 Renamed keyword argument from `dim` to `axis` Renamed keyword argument from `squeeze_dims` to `axis` Old: [[1, 2, 3]], dim=1), squeeze_dims=[1]).eval(), ~~~~ ~~~~~~~~~~~~~ New: [[1, 2, 3]], axis=1), axis=[1]).eval(), ~~~~~ ~~~~~
拓展阅读
tf_upgrade.py 有一些局限性：
- 它不能改变 tf.reverse() 的参数，因此必须手动修复。
- 对于参数列表重新排序的方法，如 tf.split() 和 tf.reverse_split()，它会尝试引入关键字参数，但实际上并不能重新排列参数。
有些结构必须手动替换，例如：
tf.get.variable_scope().reuse_variables()
替换为：
with tf.variable_scope(tf.get.variable_scope(),reuse=True):
以上就是TensorFlow低版本代码自动升级为1.0版本的详细内容，更多请关注0133技术站其它相关文章！
