问题标签 [tensorflow1.15]

我正在尝试使用 Horovod 在不同的服务器上分发训练 GPU。按照这里的建议。

我想实现局部梯度聚合。在解释中，修改看起来很容易optimizer = hvd.DistributedOptimizer(opt, backward_passes_per_step=4)。
但是尝试在我的示例模型中使用它会导致以下错误。

我使用的是原生 TensorFlow 1.15，而不是 keras 或最新的 tensorflow 版本。

有一个可行的例子吗？或者有人知道如何实现它？

我正在尝试在集群上运行基于 tensorflow 的项目，我已经在我的 anaconda 环境中安装了所有相关依赖项，就像我在运行项目的本地计算机上所做的一样，但我收到了以下错误消息：

完整追溯 - https://pastebin.com/njqNFWvC

在/u/usr/anaconda3/envs/Project_BM/lib/我可以看到有libdevice.10.bc问题的地方。

回溯的这一部分让我认为 tensorflow 是在本地而不是在 conda 环境中搜索 cuda，要解决这个问题，我是否需要将 XLA_FLAGS 设置为/u/usr/anaconda3/envs/Project_BM/lib/libdevice.10.bc，如果不是，我在哪里可以找到环境中的/cuda/目录Project_BM？

还值得知道我在集群上运行它，所以我没有 root 权限。

我正在尝试在 Google Colab 上训练我的模型。当我在集成了 google colab 的笔记本中运行培训部分时，它给了我一个错误，我找不到任何解决方案。谁能解释我是什么问题，我该如何解决它。

错误：

这是我有序运行的代码块：

我在下面收到错误！

我正在将代码从 TensorFlow 1.15 迁移到 python 中的 TensorFlow 2.4。我遇到过strategy.experimental_run_v2策略来自的方法strategy = tf.distribute.MirroredStrategy()。我还没有找到任何有关的文档，strategy.experimental_run_v2因此我刚刚更改了它strategy.run并且它已经工作了。是否有任何资源可以在其中找到 Tensorflow 1 命令的文档？strategy.run相当于？strategy.experimental_run_v2。

请建议一些已经实现/使用了来自官方 Effectivedet 存储库的马赛克增强的 github 存储库。

https://github.com/google/automl/blob/master/efficientdet/aug/mosaic.py

提前致谢。

我正在尝试运行一个使用 tensorflow 版本 1.4.0 编写的代码我在 google colab 上运行我的代码，它提供了 tensorflow 版本 2.x。

为了运行我的代码，我使用了向后兼容性，例如：替换import tensorflow as tf为

这适用于某些事情，但在某种程度上它归结为这个错误

AttributeError：模块“tensorflow.compat.v2”没有属性“depth_to_space”

正如你在这张图片中看到的

我无法理解的是这种方法 'depth_to_space' 在 tensorflow 1.x 和 2.x 的两个版本中都有，那么为什么我的 tensorflow 版本没有得到它？这是版本 1.x 中方法的链接：https ://www.tensorflow.org/versions/r1.15/api_docs/python/tf/nn/depth_to_space

请帮助我了解导致此错误的原因。

谢谢， 普拉内

由于我的 GPU 只支持 TensorFlow 2.x，我必须重写一个用 TensorFlow 1.x 编写的代码。

我使用了以下代码：https ://www.tensorflow.org/guide/upgrade

一切正常，直到我来到以下功能：

不幸的是，因此我没有解决方案如何重写此代码。

我很高兴知道如何解决这个问题。

我正在尝试学习如何将 XLA 用于我的模型。我在这里查看官方文档：https ://www.tensorflow.org/xla#enable_xla_for_tensorflow_models 。据记载，有两种方法可以启用 XLA： 1) 显式编译，通过使用@tf.function(jit_compile=True)来装饰您的训练函数。2）通过设置环境变量进行自动集群。

因为我使用的是 tensorflow 1.15，而不是 2.x。所以我认为第二种方法与使用此语句相同：

您还可以从这里找到信息：https ://www.tensorflow.org/xla/tutorials/autoclustering_xla 。看来这是他们在 tf2.x 中使用的：

我认为它们是相同的，如果我错了，请纠正我。

好的，所以如果使用第一种方法，我认为在 tf1.15 中，这相当于使用

所以，我的问题是我是否习惯于 tf.xla.experimental.compile(computation)装饰我的整个训练功能。这是否等同于使用

? 有人知道吗？非常感激。

我使用生成已知四个文件（.data、.meta、ckpt、.index）的 Tensorflow 1.x 保存了经过训练的模型。我想在 Tensorflow 2.x 中加载模型并将其用于对我自己的数据集进行微调。下面是我用来访问 1.x 模型的代码。

访问模型中的变量：

转换到 Tensorflow 2.x/Keras 以查看模型架构/摘要、继续训练和预测新数据集上的值的最简单方法是什么？

我正在尝试创建由以下函数创建的张量的检查点，但我的时间很艰难（Tensorflow 1.x）。泡菜不起作用。