টেনস্রোফ্লো ২.০ - বৈশিষ্ট্য ত্রুটি: মডিউল 'টেনসরফ্লো'র' সেশন 'এর কোনও বৈশিষ্ট্য নেই


117

আমি যখন sess = tf.Session()টেনসরফ্লো ২.০ পরিবেশে কমান্ডটি সম্পাদন করছি , আমি নীচের মতো একটি ত্রুটি বার্তা পাচ্ছি:

Traceback (most recent call last):
File "<stdin>", line 1, in <module>
AttributeError: module 'tensorflow' has no attribute 'Session'

পদ্ধতিগত তথ্য:

  • ওএস প্ল্যাটফর্ম এবং বিতরণ: উইন্ডোজ 10
  • পাইথন সংস্করণ: 3.7.1
  • টেনসরফ্লো সংস্করণ: 2.0.0-alpha0 (পিপ সহ ইনস্টল করা)

ধাপ পুনর্গঠন কর:

স্থাপন:

  1. পাইপ ইনস্টল - আপগ্রেড পাইপ
  2. পাইপ ইনস্টল টেনসরফ্লো == 2.0.0-alpha0
  3. পাইপ ইনস্টল কেরাস
  4. পাইপ ইনস্টল numpy == 1.16.2

কার্যকর করা:

  1. কমান্ড এক্সিকিউট করুন: tf হিসাবে টেনসরফ্লো আমদানি করুন
  2. আদেশটি কার্যকর করুন: sess = tf. সেশন ()

অদ্ভুত। আমি মনে করি এটি টিএফ সংস্করণের কারণে নয়, তবে সম্পূর্ণ টিএফ ইনস্টলেশনটি ভেঙে গেছে। গিথুব.টেনসরফ্লো
ড্মিত্রো প্রিলিপকো

4
টেনসরফ্লো ২.০ সেশন নয়, ফাংশনগুলিতে কাজ করে । আমি মনে করি প্রাথমিক ধারণাটি tf.Sessionকমপক্ষে প্রাথমিকভাবে রাখা উচিত ছিল , তবে ডকগুলি দেখে মনে হচ্ছে এটি শেষ পর্যন্ত পুরোপুরি স্ক্র্যাপ হয়ে গেছে।
jdehesa

4
ওহ মনে হয় আপনি এখনও এটির মাধ্যমে অ্যাক্সেস করতে পারবেন tf.compat.v1.Session
jdehesa

এই প্রশ্নটি তৈরির আগে আমি এটি চেষ্টা করেছি এটা আমার জন্য কাজ করে নি।
অতুল কাম্বলে

উত্তর:


201

অনুসারে TF 1:1 Symbols Map, টিএফ 2.0 তে আপনার tf.compat.v1.Session()পরিবর্তে ব্যবহার করা উচিতtf.Session()

https://docs.google.com/spreadsheets/d/1FLFJLzg7WNP6JHODX5q8BDgptKafq_slHpnHVbJIteQ/edit#gid=0

টিএফ ১.x পেতে টিএফ ২.০ এর মতো আচরণ চালাতে পারে can

import tensorflow.compat.v1 as tf
tf.disable_v2_behavior()

তবে তারপরে টিএফ.০.০ এ করা অনেকগুলি উন্নতির সুবিধা কেউ নিতে পারে না। আরও তথ্যের জন্য দয়া করে মাইগ্রেশন গাইড https://www.tensorflow.org/guide/migrate দেখুন


4
ব্যবহার import tensorflow.compat.v1 as tf tf.disable_v2_behavior() আমাকে ত্রুটি দেয়AttributeError: module 'tensorflow_core.compat.v1' has no attribute 'contrib'
গৌড় শ্রীবাস্তব

4
এটি টিএফ 2.0 মাইগ্রেশন ডকুমেন্টেশনে পাওয়া গেছেIt is still possible to run 1.X code, unmodified (except for contrib), in TensorFlow 2.0
গৌড় শ্রীবাস্তভা

আপনি কোন টিএফ সংস্করণটি ব্যবহার করছেন যখন আপনার tensorflow_coreকোনও বৈশিষ্ট্য ত্রুটি নেই?
MPękalski

আমি কয়েকটি নোটবুক ডাউনলোড করেছি এবং উত্তরে আমি উল্লিখিত সমস্যাগুলির মুখোমুখি হয়েছি যেহেতু উত্তরে উল্লেখ করা হয়েছে আমাকে বিরক্তিকর ত্রুটি থেকে মুক্তি পেতে সহায়তা করেছে।
সাইনেন্টসো

আমি কীভাবে .pbটিএফ 2 এ স্থির গ্রাফকে মূল্যায়ন করব ? শুধুমাত্র tf1- বৈশিষ্ট্য ব্যবহারের মাধ্যমে tf.compat.v1.Session()। টিএফ 2-তে আপনি সর্বদা এবং না উত্সাহী মোড ব্যবহার করার কথা .pb?
আর্টি

48

টিএফ 2 এইভাবে সেশনের প্রয়োজনীয়তা অপসারণ করে ডিফল্টরূপে ইগার এক্সিকিউশন চালায়। আপনি যদি স্ট্যাটিক গ্রাফগুলি চালাতে চান তবে আরও সঠিক উপায় tf.function()টিএফ 2 এ ব্যবহার করা। যদিও tf.compat.v1.Session()টিএফ 2 এর মাধ্যমে সেশনটি এখনও অ্যাক্সেস করা যায়, আমি এটি ব্যবহার করে নিরুৎসাহিত করব। হ্যালো ওয়ার্ল্ডের পার্থক্যের তুলনা করে এই পার্থক্যটি প্রদর্শন করা সহায়ক হতে পারে:

TF1.x হ্যালো ওয়ার্ল্ড:

import tensorflow as tf
msg = tf.constant('Hello, TensorFlow!')
sess = tf.Session()
print(sess.run(msg))

TF2.x হ্যালো ওয়ার্ল্ড:

import tensorflow as tf
msg = tf.constant('Hello, TensorFlow!')
tf.print(msg)

আরও তথ্যের জন্য, কার্যকর টেনসরফ্লো 2 দেখুন


4
টিএফ 2 এ অ-উত্সাহী মোড আছে? বা উত্সাহী মোড শুধুমাত্র মৃত্যুদন্ড কার্যকর করার পরামর্শ দেওয়া হয়? আমি যদি .pbটিএফ 2 এ স্থির ফাইল রাখতে চাই? এটা কি সম্ভব? টিএফ 2 এ আমি কীভাবে এটি মূল্যায়ন করব?
আর্টি

27

আমি ইনস্টলের পরে অজগরটি চেষ্টা করার সময় আমি এই সমস্যার মুখোমুখি হয়েছিলাম windows10 + python3.7(64bit) + anacconda3 + jupyter notebook.

আমি " https://vispud.blogspot.com/2019/05/tensorflow200a0-attributeerror-module.html " উল্লেখ করে এই সমস্যার সমাধান করেছি

আমি একমত

আমি বিশ্বাস করি "সেশন ()" টিএফ ২.০ সহ সরানো হয়েছে।

আমি দুটি লাইন .োকালাম। একটি হ'ল tf.compat.v1.disable_eager_execution()অন্যটি হ'লsess = tf.compat.v1.Session()

আমার হ্যালো.পি নিম্নরূপ:

import tensorflow as tf

tf.compat.v1.disable_eager_execution()

hello = tf.constant('Hello, TensorFlow!')

sess = tf.compat.v1.Session()

print(sess.run(hello))

4
আমি বরং বলব যে টিএফ 2.0 Session()তে সরানো হয়েছে সরানো হয়নি। ব্যবহারের প্রয়োজন Session() সরানো হয়েছে।
MPękalski


3

এটা চেষ্টা কর

import tensorflow as tf

tf.compat.v1.disable_eager_execution()

hello = tf.constant('Hello, TensorFlow!')

sess = tf.compat.v1.Session()

print(sess.run(hello))

উত্তর হিসাবে একটি সহজ কোড পোস্ট করবেন না। আপনার প্রয়োগ / উত্তর ব্যাখ্যা করুন।
মিলনবালাজ

2

এটি যদি আপনার কোড হয় তবে সঠিক সমাধানটি এটি ব্যবহার না করার জন্য এটি পুনরায় লিখতে হবে Session(), যেহেতু টেনসরফ্লো 2 তে এটি আর দরকার নেই

আপনি যদি চালিয়ে যাচ্ছেন এমন কোডটি যদি হয় তবে আপনি চালিয়ে টেনসরফ্লো 1 তে ডাউনগ্রেড করতে পারেন

pip3 install --upgrade --force-reinstall tensorflow-gpu==1.15.0 

(বা টেনসরফ্লো 1 এর সর্বশেষতম সংস্করণ যাই হোক না কেন )


টিএফের 1.15.xআর কোনও 1.xসংস্করণ না থাকার পরে , যদি না কিছু প্যাচ আসে তবে কোনও উন্নতি হয় না।
MPękalski

0

অ্যানাকোন্ডা + স্পাইডার ব্যবহার করে (পাইথন ৩. Using)

[কোড]

import tensorflow as tf
valor1 = tf.constant(2)
valor2 = tf.constant(3)
type(valor1)
print(valor1)
soma=valor1+valor2
type(soma)
print(soma)
sess = tf.compat.v1.Session()
with sess:
    print(sess.run(soma))

[কনসোল]

import tensorflow as tf
valor1 = tf.constant(2)
valor2 = tf.constant(3)
type(valor1)
print(valor1)
soma=valor1+valor2
type(soma)
Tensor("Const_8:0", shape=(), dtype=int32)
Out[18]: tensorflow.python.framework.ops.Tensor

print(soma)
Tensor("add_4:0", shape=(), dtype=int32)

sess = tf.compat.v1.Session()

with sess:
    print(sess.run(soma))
5

0

টিএফ v2.0 ভি 1.0 এর ইগ্রার মোড ভিজ-এ-ভিজ গ্রাফ মোড সমর্থন করে। অতএব, tf.session () v2.0 তে সমর্থিত নয়। অতএব, আপনাকে আপনার কোডটি ইজিার মোডে কাজ করতে পুনরায় লেখার পরামর্শ দিবে।


টিএফ 2 কি আদৌ উত্সাহী মোড সমর্থন করে? বা অ-উত্সাহী কি কেবল টিএফ 1 বৈশিষ্ট্য? আমি কীভাবে .pbtf2 তে গ্রাফগুলি মূল্যায়ন করব ?
আর্টি


0
import tensorflow as tf
sess = tf.Session()

এই কোডটি 2.x সংস্করণে একটি অ্যাট্রিবিউট ত্রুটি প্রদর্শন করবে

সংস্করণ 2.x সংস্করণে 1.x কোডটি ব্যবহার করতে

এটা চেষ্টা কর

import tensorflow.compat.v1 as tf
sess = tf.Session()
আমাদের সাইট ব্যবহার করে, আপনি স্বীকার করেছেন যে আপনি আমাদের কুকি নীতি এবং গোপনীয়তা নীতিটি পড়েছেন এবং বুঝতে পেরেছেন ।
Licensed under cc by-sa 3.0 with attribution required.