|
|
本帖最后由 shaoheshaohe 于 2019-1-3 11:59 编辑
1. 没有 unpack
出现如下错误
AttributeError: module 'tensorflow' has no attribute 'unpack'
1
原因是 tf.unpack 改为了 tf.unstack
# 原代码
x_ = tf.unpack(x, axis=1)
# 修改为
x_ = tf.unstack(x, axis=1)
1
2
3
4
5
2. 没有 rnn_cell
出现如下错误
AttributeError: module 'tensorflow.python.ops.nn' has no attribute 'rnn_cell'
1
原因是 tf.nn.rnn_cell 改为了 tf.contrib.rnn
# 原代码
lstm_cell = tf.nn.rnn_cell.BasicLSTMCell(HIDDEN_SIZE)
cell = tf.nn.rnn_cell.MultiRNNCell([lstm_cell] * NUM_LAYERS)
# 修改为
lstm_cell = tf.contrib.rnn.BasicLSTMCell(HIDDEN_SIZE)
cell = tf.contrib.rnn.MultiRNNCell([lstm_cell] * NUM_LAYERS)
1
2
3
4
5
6
7
3. rnn 不可调用
出现如下错误
TypeError: 'module' object is not callable
1
原因是 tf.nn.rnn 现在改为了几个方法
tf.contrib.rnn.static_rnn
tf.contrib.rnn.static_state_saving_rnn
tf.contrib.rnn.static_bidirectional_rnn
tf.contrib.rnn.stack_bidirectional_dynamic_rnn
1
2
3
4
而我们需要的是 tf.nn.dynamic_rnn() 方法
# 原代码
output, _ = tf.nn.rnn(cell, X, dtype=tf.float32)
# 修改为
output, _ = tf.nn.dynamic_rnn(cell, X, dtype=tf.float32)
1
2
3
4
5
4. 不能调用 Estimator.fit
出现如下警告
WARNING:tensorflow:From train.py:71: calling BaseEstimator.fit (from tensorflow.contrib.learn.python.learn.estimators.estimator) with y is deprecated and will be removed after 2016-12-01.
1
该警告下面给出了解决方法
Instructions for updating:
Estimator is decoupled from Scikit Learn interface by moving into
separate class SKCompat. Arguments x, y and batch_size are only
available in the SKCompat class, Estimator will only accept input_fn.
Example conversion:
est = Estimator(...) -> est = SKCompat(Estimator(...))
1
2
3
4
5
6
按照给出的方法修改代码
# 原代码
regressor = learn.Estimator(model_fn=lstm_model)
# 修改为
from tensorflow.contrib.learn.python.learn.estimators.estimator import SKCompat
regressor = SKCompat(learn.Estimator(model_fn=lstm_model))
1
2
3
4
5
6
7
5. 临时文件夹
出现如下警告
WARNING:tensorflow:Using temporary folder as model directory: /tmp/tmp01x9hws6
1
原因是现在的 Estimator 需要提供 model_dir
# 原代码
regressor = SKCompat(learn.Estimator(model_fn=lstm_model))
# 修改为
regressor = SKCompat(
learn.Estimator(model_fn=lstm_model, model_dir='model/'))
1
2
3
4
5
6
6. 尺寸必须一致
出现如下错误
ValueError: Dimensions must be equal, but are 60 and 40
for 'rnn/rnn/multi_rnn_cell/cell_0/basic_lstm_cell/MatMul_1'
(op: 'MatMul') with input shapes: [?,60], [40,120].
1
2
3
原因我不太清楚，可能是因为 TensorFlow 的调整导致生成的数据在形状上与老版本不一致，也可能是因为使用 lstm_cell*NUM_LAYERS 的方法创建深层循环网络模型导致每层 LSTM 的 tensor 名称都一样
只能在网上搜了其他的类似的博客后照着修改了代码，下面给出了修改的关键地方，详细的部分在完整代码中
# LSTM结构单元
def LstmCell():
lstm_cell = tf.contrib.rnn.BasicLSTMCell(HIDDEN_SIZE)
return lstm_cell
def lstm_model(X, y):
# 使用多层LSTM，不能用lstm_cell*NUM_LAYERS的方法，会导致LSTM的tensor名字都一样
cell = tf.contrib.rnn.MultiRNNCell([LstmCell() for _ in range(NUM_LAYERS)])
# 将多层LSTM结构连接成RNN网络并计算前向传播结果
output, _ = tf.nn.dynamic_rnn(cell, X, dtype=tf.float32)
......
1
2
3
4
5
6
7
8
9
10
11
7. Legend 不支持
出现如下错误
UserWarning: Legend does not support [<matplotlib.lines.Line2D object at 0x7feb52d58c18>] instances.
A proxy artist may be used instead.
1
2
原因是因为需要在调用 plt.plot 时参数解包
# 原代码
plot_predicted = plt.plot(predicted, label='predicted')
plot_test = plt.plot(test_y, label='real_sin')
# 修改为（加逗号）
plot_predicted, = plt.plot(predicted, label='predicted')
plot_test, = plt.plot(test_y, label='real_sin')
1
2
3
4
5
6
7
8. 使用 plt.show() 不显示图片
在代码中使用 plt.show() 运行之后没有图片显示，原因是原代码中使用了 mpl.use(‘Agg’)，而 Agg 是不会画图的，所以直接把这一行删掉
9. get_global_step 不建议使用
出现如下警告
WARNING:tensorflow:From train.py:60: get_global_step
(from tensorflow.contrib.framework.python.ops.variables)
is deprecated and will be removed in a future version.
1
2
3
警告下面给出了解决方法
Instructions for updating:
Please switch to tf.train.get_global_step
1
2
按照解决方法修改代码
# 原代码
train_op = tf.contrib.layers.optimize_loss(
loss,
tf.contrib.framework.get_global_step(),
optimizer='Adagrad',
learning_rate=0.1)
# 修改为
train_op = tf.contrib.layers.optimize_loss(
loss,
tf.train.get_global_step(),
optimizer='Adagrad',
learning_rate=0.1)
---------------------
作者：widiot8023
来源：CSDN
原文：https://blog.csdn.net/white_idiot/article/details/78882856
版权声明：本文为博主原创文章，转载请附上博文链接！
|
|
发表于 2019-1-3 11:57:30
