AttributeError: 模块“tensorflow”没有属性“assign”

Question

我正在尝试将我以前的 tf1 代码迁移到 tf2。不幸的是，我的代码没有处于急切模式，所以我遇到了更多困难。我执行了以下代码（尚未训练），然后进入错误消息：

Traceback (most recent call last):
    training_op = tf.assign(W, W - learning_rate * gradients)
AttributeError: module 'tensorflow' has no attribute 'assign'

这是我的最小代码示例 PS：它必须处理复数！

# Data pre-processing
    m = 50
    n = 20
    x_train, y_train, x_test, y_test = get_my_data(x, y, m, n) # data x of size mxn

    # Network Declaration
    input_size = n
    output_size = 1
    learning_rate = 0.001  # The optimization learning rate
    # Create weight matrix initialized randomely from N~(0, 0.01)
    W = tf.Variable(tf.complex(np.random.rand(input_size, output_size),
                               np.random.rand(input_size, output_size)), name="weights")

    with tf.GradientTape() as gtape:
        y_out = tf.matmul(x_train, W, name="out")
        error = y - y_out
        loss = tf.reduce_mean(tf.square(tf.abs(error)), name="mse")
        gradients = gtape.gradient(loss, [W])[0]
        training_op = tf.assign(W, W - learning_rate * gradients)

我手动执行此操作，因为除非他们更改，否则复数不支持优化器，因此我“手动”执行此操作。

Answer 1

试试吧tf.compat.v1.assign。它对我有用。

Answer 2

tf.assign*函数可用作tf.VariableTF 2.0 中的方法。所以，你的例子可以改写为

with tf.GradientTape() as gtape:
    ...
    W.assign_sub(learning_rate * gradients)

请注意，与tf.assignTF 1.X不同，tf.Variable.assing_sub它将急切地执行分配。