RuntimeError：tf.placeholder（）与急切执行不兼容

Question

我已经将tf_upgrade_v2 TF1代码升级为TF2。我俩都是菜鸟。我收到下一个错误：

RuntimeError: tf.placeholder() is not compatible with eager execution.

我有一些tf.compat.v1.placeholder()。

self.temperature = tf.compat.v1.placeholder_with_default(1., shape=())
self.edges_labels = tf.compat.v1.placeholder(dtype=tf.int64, shape=(None, vertexes, vertexes))
self.nodes_labels = tf.compat.v1.placeholder(dtype=tf.int64, shape=(None, vertexes))
self.embeddings = tf.compat.v1.placeholder(dtype=tf.float32, shape=(None, embedding_dim))

您能给我一些有关如何进行的建议吗？任何“快速”解决方案？还是应该重新编码？

Answer 1

我在这里找到了一个简单的解决方案：禁用 Tensorflow 急切执行

基本上是：

tf.compat.v1.disable_eager_execution()

有了这个，您可以禁用默认的激活急切执行，并且您不需要更多地接触代码。

Answer 2

tf.placeholder() 旨在提供给会话，该会话在运行时从 feed dict 接收值并执行所需的操作。通常，您会使用 'with' 关键字创建一个 Session() 并运行它。但这可能并不适合所有需要立即执行的情况。这称为急切执行。例子：

通常，这是运行会话的过程：

import tensorflow as tf

def square(num):
    return tf.square(num) 

p = tf.placeholder(tf.float32)
q = square(num)

with tf.Session() as sess:
    print(sess.run(q, feed_dict={num: 10})

但是当我们使用 Eager Execution 运行时，我们将其运行为：

import tensorflow as tf

tf.enable_eager_execution()

def square(num):
   return tf.square(num)

print(square(10)) 

因此，我们不需要在会话中显式运行它，并且在大多数情况下可以更直观。这提供了更多的交互式执行。更多详情请访问：https : //www.tensorflow.org/guide/eager

如果您要将代码从 tensorflow v1 转换为 tensorflow v2，您必须实现 tf.compat.v1 并且占位符存在于 tf.compat.v1.placeholder 中，但这只能在 Eager 模式关闭时执行。

tf.compat.v1.disable_eager_execution()

TensorFlow 发布了 Eager Execution 模式，每个节点定义后立即执行。因此使用 tf.placeholder 的语句不再有效。

Answer 3

在 TensorFlow 1.X 中，创建了占位符，并在tf.Session实例化a 时为其提供实际值。然而，从 TensorFlow2.0 开始，Eager Execution默认启用，因此“占位符”的概念没有意义，因为操作是立即计算的（而不是与旧范式不同）。

另请参阅函数，而不是 Sessions，

# TensorFlow 1.X
outputs = session.run(f(placeholder), feed_dict={placeholder: input})
# TensorFlow 2.0
outputs = f(input)

Answer 4

如果您在使用 TensorFlow 模型进行对象检测时遇到此错误，请使用exporter_main_v2.py而不是export_inference_graph.py导出模型。这是正确的方法。如果您只是关闭eager_execution，那么它将解决此错误但会生成其他错误。

另请注意，有一些参数更改，例如您将指定检查点目录的路径而不是检查点的路径。有关如何使用 TensorFlow V2 进行对象检测，请参阅此文档

Answer 5

要解决此问题，您必须禁用默认的激活急切执行。因此添加以下代码行。

tf.compat.v1.disable_eager_execution() #<--- 禁用急切执行

• 修复错误之前
• 错误修复后