运行时错误：tf.placeholder()与即时执行不兼容。

Question

我已将tf_upgrade_v2用于将TF1代码升级到TF2。但我对两者都是新手。我遇到了以下错误：

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))

你能给我一些建议如何继续吗？有任何“快速”解决方案吗？还是我需要重新编码？

- AMGMNPLK

Answer 1

我在这里找到了一个简单的解决方案：禁用TensorFlow即时执行

基本上就是这样：

tf.compat.v1.disable_eager_execution()

使用此方法，您可以禁用默认启用的即时执行，而无需过多修改代码。

- AMGMNPLK

---

我认为这不是一个好主意，因为它使得在Python和TensorFlow代码中轻松交替使用变得困难。你的表达能力受到严重限制，还不如使用TF 1.X版本。如果你想将操作编译成图形组件并仍然启用即时执行，请使用“tf.function”装饰函数，该函数将代码即时编译成图形。 - cs95

我们在哪里使用这个方法？而不是每一个tf.compat.v1.placeholder()？ - user12424147

在使用TF或脚本的开始。 - AMGMNPLK

尝试运行一些“旧”的Tensorflow代码，但感觉有一半的库已经过时了。 - jds

@AMGMNPLK tf.compat.v1.disable_eager_execution()，谢谢~ - Rγσ ξηg Lιαη Ημ 雷欧

Answer 2

tf.placeholder() 的作用是在运行时接收 feed dict 提供的值并执行所需的操作。通常，您会使用 'with' 关键字创建 Session() 并运行它。但由于某些情况可能不适用于所有情况，因此您需要立即执行，这称为急切执行。

示例：

通常，以下是运行会话的过程：

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})

但是当我们使用动态执行时，我们运行它的方式为:

import tensorflow as tf

tf.enable_eager_execution()

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

print(square(10)) 

因此，在大多数情况下，我们不需要显式地在会话中运行它，并且可以更加直观。这提供了更多的交互式执行。 有关更多详细信息，请访问： https://www.tensorflow.org/guide/eager 如果您正在将代码从tensorflow v1转换为tensorflow v2，则必须实现tf.compat.v1，而Placeholder存在于tf.compat.v1.placeholder中，但只能在eager mode off中执行。

tf.compat.v1.disable_eager_execution()

TensorFlow发布了即刻执行（eager execution）模式，每个节点定义后会立即执行。因此，使用tf.placeholder语句已不再有效。

- Ashish Bastola

---

谢谢Ashish。是的，我理解急切和会话的逻辑，但我说的是使用ft_upgrade_v2工具将TF1代码升级到TF2。它不会处理占位符吗？ - AMGMNPLK

感谢您澄清问题！看起来 TensorFlow 2.0 已经移除了占位符，您需要创建一个类型为 None 的张量。此外，如果您使用 tf.compat.v1.*，由于不兼容性，您需要关闭急切执行！ - Ashish Bastola

tf.compat.v1.disable_eager_execution() - Rγσ ξηg Lιαη Ημ 雷欧

Answer 3

在 TensorFlow 1.X 中，占位符是创建的，并且在实例化 tf.Session 时需要使用实际值进行填充。然而，从 TensorFlow2.0 开始，默认情况下启用了Eager Execution，因此“占位符”的概念不再有意义，因为操作会立即计算（而不是延迟到以前的模式）。

另请参见Functions, not Sessions。

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

- cs95

Answer 4

如果您在使用TensorFlow模型进行目标检测时遇到此错误，则请使用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，那么它将解决这个错误，但会产生其他错误。

另外，请注意一些参数更改，例如在此处，您将指定检查点目录的路径而不是检查点的路径。请参考此文档以了解如何使用TensorFlow V2进行目标检测。

- Vishvajeet Ramanuj

Answer 5

为了解决这个问题，您需要禁用默认激活的急切执行。所以添加以下代码行。 tf.compat.v1.disable_eager_execution() #<--- 禁用急切执行

在错误修复之前： 在错误修复之后：

- Lahiru Kumara