👧🏿 👐🏼 🍻 TensorFlow 2 में स्वचालित कोड अपग्रेड 🎫 👨🏽‍🔬 🦔

सामग्री अपडेट स्क्रिप्ट tf_upgrade_v2 का उपयोग करके TensorFlow 1.x से Tensorflow 2 तक कोड को स्वचालित रूप से अपडेट करने के लिए मैनुअल का अनुवाद प्रदान tf_upgrade_v2 ।

TensorFlow 2.0 में कई एपीआई परिवर्तन शामिल हैं, जैसे कि तर्कों का क्रम बदलना, पात्रों का नाम बदलना और मापदंडों के लिए डिफ़ॉल्ट मान बदलना। इन सभी संशोधनों का मैनुअल सुधार थकाऊ और त्रुटि प्रवण है। परिवर्तनों को सरल बनाने के लिए और अपने संक्रमण को TF 2.0 के रूप में संभव के रूप में सुचारू बनाने के लिए, TensorFlow टीम ने नए API में विरासत कोड से स्थानांतरित करने में मदद करने के लिए tf_upgrade_v2 उपयोगिता बनाई।

नोट: tf_upgrade_v2 TensorFlow 1.13 और बाद में (सभी TF 2.0 बिल्ड सहित) के लिए स्वचालित रूप tf_upgrade_v2 स्थापित किया गया है।

स्क्रिप्ट का एक विशिष्ट उपयोग इस तरह दिखता है:

 tf_upgrade_v2 \ --intree my_project/ \ --outtree my_project_v2/ \ --reportfile report.txt

यह कोड मौजूदा TensorFlow 1.x पायथन लिपियों को TensorFlow 2.0 में परिवर्तित करके अपग्रेड प्रक्रिया को गति देता है।

रूपांतरण स्क्रिप्ट प्रक्रिया को जितना संभव हो उतना स्वचालित करता है, लेकिन अभी भी वाक्यविन्यास और शैलीगत परिवर्तन हैं जो स्क्रिप्ट द्वारा तय नहीं किए जा सकते हैं।

संगतता मॉड्यूल

कुछ एपीआई वर्णों को केवल स्ट्रिंग प्रतिस्थापन का उपयोग करके अपडेट नहीं किया जा सकता है। यह सुनिश्चित करने के लिए कि आपका कोड TensorFlow 2.0 में काम करता है, अपडेट स्क्रिप्ट में compat.v1 मॉड्यूल शामिल है। यह मॉड्यूल TF 1.x वर्णों को बदलता है, जैसे tf.foo , समकक्ष लिंक tf.compat.v1.foo । यद्यपि संगतता मॉड्यूल अच्छा है, हम अनुशंसा करते हैं कि आप मैन्युअल रूप से प्रतिस्थापन को घटाएं और उन्हें tf. * नाम स्थान पर नए APIs में माइग्रेट करें tf. * tf. * जितनी जल्दी हो सके tf.compat.v1 नेमस्पेस के बजाय।

TensorFlow 2.x मॉड्यूल (उदा tf.flags और tf.contrib ) के मूल्यह्रास के कारण, कुछ बदलावों को tf.flags करके tf.contrib नहीं किया जा सकता है compat.v1 । इस तरह के कोड को अपडेट करने के लिए अतिरिक्त पुस्तकालय के उपयोग की आवश्यकता हो सकती है (उदाहरण के लिए, absl.flags या absl.flags या tenorflow/addons में पैकेज पर स्विच करना)।

अनुशंसित अद्यतन प्रक्रिया

मैनुअल का यह हिस्सा अद्यतन स्क्रिप्ट के उपयोग को दर्शाता है। यद्यपि अद्यतन स्क्रिप्ट का उपयोग करना आसान है, हम अत्यधिक अनुशंसा करते हैं कि आप स्क्रिप्ट का उपयोग निम्नलिखित प्रक्रिया के भाग के रूप में करें:

यूनिट परीक्षण : सुनिश्चित करें कि अद्यतन कोड में उचित कवरेज के साथ यूनिट परीक्षणों का एक सेट है। यह पायथन कोड है, इसलिए भाषा आपको कई त्रुटि वर्गों से नहीं बचाएगी। यह भी सुनिश्चित करें कि आपकी सभी निर्भरता TensorFlow 2.0 के साथ संगत करने के लिए अद्यतन की गई है।
TensorFlow 1.14 स्थापित करें : अपने TensorFlow को TensorFlow 1.x के नवीनतम संस्करण में अपग्रेड करें, कम से कम 1.14। इसमें tf.compat.v2 पर अंतिम TensorFlow 2.0 एपीआई शामिल है।
1.14 के साथ टेस्ट कोड : सुनिश्चित करें कि आपकी इकाई परीक्षण इस बिंदु पर पास हो। अपग्रेड प्रक्रिया के दौरान आप उन्हें पुनः आरंभ करेंगे, इसलिए हरे रंग से शुरू करना महत्वपूर्ण है।
अद्यतन स्क्रिप्ट चलाएँ: परीक्षण सहित संपूर्ण स्रोत ट्री पर tf_upgrade_v2 चलाएँ। यह आपके कोड को एक प्रारूप में अपडेट करेगा जिसमें यह केवल TensorFlow 2.0 में उपलब्ध वर्णों का उपयोग करता है। अप्रचलित वर्ण tf.compat.v1 से उपलब्ध tf.compat.v1 । उन्हें बाद में मैन्युअल प्रोसेसिंग की आवश्यकता होगी। \ N "
TensorFlow 1.14 के साथ परिवर्तित परीक्षण चलाएं : आपका कोड अभी भी TensorFlow 1.14 में सही ढंग से चलना चाहिए। इकाई परीक्षण फिर से चलाएँ। इस स्तर पर आपके परीक्षणों में कोई त्रुटि का मतलब है कि अपडेट स्क्रिप्ट में कोई त्रुटि है।
चेतावनियों और त्रुटियों के लिए अद्यतन रिपोर्ट की जाँच करें : स्क्रिप्ट एक रिपोर्ट फ़ाइल लिखती है जिसमें सभी रूपांतरणों की व्याख्या की जाती है जिन्हें आपको डबल-चेक करने की आवश्यकता होती है, या सभी कार्यों को मैन्युअल रूप से करने की आवश्यकता होती है। उदाहरण के लिए: किसी भी शेष कंट्रीब्यूट इंस्टेंसेस को मैन्युअल हटाने की आवश्यकता होती है।
TensorFlow 2.0 स्थापित करें : इस बिंदु पर, TensorFlow 2.0 पर स्विच करना सुरक्षित होना चाहिए।
v1.disable_v2_behavior के साथ कोड का परीक्षण करें: मुख्य परीक्षण फ़ंक्शन में v1.disable_v2_behavior() साथ अपने परीक्षण को पुनरारंभ करें, परिणाम 1.14 के तहत चलने के समान होना चाहिए।
V2 व्यवहार सक्षम करें : अब जब आपके परीक्षण v2 API का उपयोग करके चल रहे हैं, तो आप v2 behavior का समावेश देखना शुरू कर सकते v2 behavior । आपका कोड कैसे लिखा जाता है, इसके आधार पर, इसमें कुछ परिवर्तनों की आवश्यकता हो सकती है।

अद्यतन स्क्रिप्ट का उपयोग करना

स्थापना

 from __future__ import absolute_import, division, print_function, unicode_literals

 try: import tensorflow.compat.v2 as tf except Exception: pass tf.enable_v2_behavior() print(tf.__version__)

टेंसरफ़्लो / मॉडल रिपॉजिटरी को क्लोन करें ताकि आपके पास प्रयोग के लिए कुछ कोड हो:

 !git clone --branch r1.13.0 --depth 1 https://github.com/tensorflow/models

पढ़िए मदद

स्क्रिप्ट को TensorFlow के साथ स्थापित किया जाना चाहिए। अंतर्निहित मदद को इस तरह कहा जाता है:

 !tf_upgrade_v2 -h

TF1 कोड उदाहरण

यहाँ एक सरल TensorFlow 1.0 स्क्रिप्ट है जो TensorFlow 2.0 पर नहीं चलती है

 !head -n 65 models/samples/cookbook/regression/custom_regression.py | tail -n 10

  # Calculate loss using mean squared error average_loss = tf.losses.mean_squared_error(labels, predictions) # Pre-made estimators use the total_loss instead of the average, # so report total_loss for compatibility. batch_size = tf.shape(labels)[0] total_loss = tf.to_float(batch_size) * average_loss if mode == tf.estimator.ModeKeys.TRAIN: optimizer = params.get("optimizer", tf.train.AdamOptimizer)

निम्नलिखित त्रुटि दे रहा है:

 Traceback (most recent call last): File "custom_regression.py", line 162, in <module> tf.logging.set_verbosity(tf.logging.INFO) AttributeError: module 'tensorflow' has no attribute 'logging'

सिंगल फाइल

अद्यतन स्क्रिप्ट को एक अलग पायथन फ़ाइल पर चलाया जा सकता है:

 !tf_upgrade_v2 \ --infile models/samples/cookbook/regression/custom_regression.py \ --outfile /tmp/custom_regression_v2.py

यदि कोड के लिए सुधार नहीं मिल सकते हैं तो स्क्रिप्ट त्रुटियों को प्रदर्शित करेगी।

 INFO line 38:8: Renamed 'tf.feature_column.input_layer' to 'tf.compat.v1.feature_column.input_layer' INFO line 43:10: Renamed 'tf.layers.dense' to 'tf.compat.v1.layers.dense' INFO line 46:17: Renamed 'tf.layers.dense' to 'tf.compat.v1.layers.dense' INFO line 57:17: tf.losses.mean_squared_error requires manual check. tf.losses have been replaced with object oriented versions in TF 2.0 and after. The loss function calls have been converted to compat.v1 for backward compatibility. Please update these calls to the TF 2.0 versions. INFO line 57:17: Renamed 'tf.losses.mean_squared_error' to 'tf.compat.v1.losses.mean_squared_error' INFO line 61:15: Added keywords to args of function 'tf.shape' INFO line 62:15: Changed tf.to_float call to tf.cast(..., dtype=tf.float32). INFO line 65:40: Renamed 'tf.train.AdamOptimizer' to 'tf.compat.v1.train.AdamOptimizer' INFO line 68:39: Renamed 'tf.train.get_global_step' to 'tf.compat.v1.train.get_global_step' INFO line 83:9: tf.metrics.root_mean_squared_error requires manual check. tf.metrics have been replaced with object oriented versions in TF 2.0 and after. The metric function calls have been converted to compat.v1 for backward compatibility. Please update these calls to the TF 2.0 versions. INFO line 83:9: Renamed 'tf.metrics.root_mean_squared_error' to 'tf.compat.v1.metrics.root_mean_squared_error' INFO line 142:23: Renamed 'tf.train.AdamOptimizer' to 'tf.compat.v1.train.AdamOptimizer' INFO line 162:2: Renamed 'tf.logging.set_verbosity' to 'tf.compat.v1.logging.set_verbosity' INFO line 162:27: Renamed 'tf.logging.INFO' to 'tf.compat.v1.logging.INFO' INFO line 163:2: Renamed 'tf.app.run' to 'tf.compat.v1.app.run' TensorFlow 2.0 Upgrade Script ----------------------------- Converted 1 files Detected 0 issues that require attention -------------------------------------------------------------------------------- Make sure to read the detailed log 'report.txt'

निर्देशिका पेड़

इस सरल उदाहरण सहित विशिष्ट परियोजनाएं, एक से अधिक फ़ाइल का उपयोग करती हैं। आमतौर पर आप पूरे पैकेज को अपडेट करना चाहते हैं, इसलिए स्क्रिप्ट को डायरेक्टरी ट्री पर भी चलाया जा सकता है:

 #   .py      outtree !tf_upgrade_v2 \ --intree models/samples/cookbook/regression/ \ --outtree regression_v2/ \ --reportfile tree_report.txt

फ़ंक्शन के बारे में एक टिप्पणी पर ध्यान दें

 dataset.make_one_shot_iterator

।

अब स्क्रिप्ट पहले से ही TensorFlow 2.0 के साथ काम कर रही है।

ध्यान दें कि `tf.compat.v1` मॉड्यूल के कारण, परिवर्तित स्क्रिप्ट TensorFlow 1.14 में भी चलेगी।

विस्तृत रिपोर्ट

स्क्रिप्ट परिवर्तनों की एक विस्तृत सूची भी प्रकाशित करती है। इस उदाहरण में, उन्होंने संभवतः एक असुरक्षित परिवर्तन पाया और फ़ाइल के शीर्ष पर एक चेतावनी जोड़ी:

 !head -n 20 tree_report.txt

 TensorFlow 2.0 Upgrade Script ----------------------------- Converted 7 files Detected 1 issues that require attention -------------------------------------------------------------------------------- -------------------------------------------------------------------------------- File: models/samples/cookbook/regression/automobile_data.py -------------------------------------------------------------------------------- models/samples/cookbook/regression/automobile_data.py:125:15: WARNING: Changing dataset.make_one_shot_iterator() to tf.compat.v1.data.make_one_shot_iterator(dataset). Please check this transformation. ================================================================================ Detailed log follows: ================================================================================ ================================================================================ Input tree: 'models/samples/cookbook/regression/' ================================================================================ -------------------------------------------------------------------------------- Processing file 'models/samples/cookbook/regression/custom_regression.py' outputting to 'regression_v2/custom_regression.py'

Dataset.make_one_shot_iterator function बारे में एक टिप्पणी पर फिर से ध्यान Dataset.make_one_shot_iterator function ।

सुरक्षित मोड

रूपांतरण स्क्रिप्ट में एक कम इनवेसिव "SECURE" मोड भी होता है, जो केवल tensorflow.compat.v1 मॉड्यूल का उपयोग करने के लिए आयात बदलता है।

 !tf_upgrade_v2 --mode SAFETY --infile dropout.py --outfile dropout_v2_safe.py > /dev/null

उदाहरण के लिए कोड:

 import tensorflow as tf d = tf.nn.dropout(tf.range(10), 0.2) z = tf.zeros_like(d, optimize=False)

इस मोड में निम्नलिखित के लिए परिवर्तित किया गया है:

 import tensorflow.compat.v1 as tf tf.disable_v2_behavior() d = tf.nn.dropout(tf.range(10), 0.2) z = tf.zeros_like(d, optimize=False)

जैसा कि आप देख सकते हैं, आपका कोड अपडेट नहीं किया गया है, लेकिन अब TensorFlow 2 में TensorFlow 1 कोड चलता है।

चेतावनी

स्क्रिप्ट चलाने से पहले अपने कोड के कुछ हिस्सों को मैन्युअल रूप से अपडेट न करें। विशेष रूप से, tf.argmax या tf.batch_to_space जैसे tf.argmax तर्कों वाले कार्य स्क्रिप्ट को गलत तरीके से कीवर्ड तर्क जोड़ने के लिए बाध्य करेंगे, जो आपके मौजूदा कोड को भ्रमित करेगा।
स्क्रिप्ट मानती है कि import tensorflow as tf का उपयोग करके import tensorflow as tf
स्क्रिप्ट तर्कों को पुन: व्यवस्थित नहीं करती है। इसके बजाय, स्क्रिप्ट तर्कों के कीवर्ड को उन फ़ंक्शन में जोड़ती है जिसमें तर्कों को उलट दिया जाता है।

सत्यापन के बाद, अनुवाद Tensorflow.org पर भी दिखाई देगा। यदि आप रूसी में Tensorflow.org वेबसाइट के प्रलेखन के अनुवाद में भाग लेना चाहते हैं, तो कृपया एक व्यक्तिगत या टिप्पणी में संपर्क करें। किसी भी सुधार या टिप्पणी की सराहना की जाती है।

TensorFlow 2 में स्वचालित कोड अपग्रेड