Tensorflow 2.0:模块“Tensorflow”没有属性“Session”

当我在Tensorflow 2.0环境中执行命令sess = tf.Session()时，我得到了一个错误消息，如下所示:

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

系统信息:

操作系统平台及发行版本:Windows 10 Python版本:3.7.1 Tensorflow版本:2.0.0-alpha0(已安装pip)

复制步骤: 安装:

PIP安装——升级PIP PIP install tensorflow==2.0.0-alpha0 PIP安装keras PIP install numpy==1.16.2

执行:

执行命令:import tensorflow as tf 执行命令:sess = tf.Session()

当前回答

我在安装windows10 + python3.7(64bit) + anacconda3 + jupyter笔记本电脑后第一次尝试python时遇到了这个问题。

我通过参考“https://vispud.blogspot.com/2019/05/tensorflow200a0-attributeerror-module.html”解决了这个问题

我同意

我相信“Session()”已经在TF 2.0中被删除了。

我插入了两行。一个是tf. compat_v1 .disable_eager_execution()另一个是sess = tf. compat_v1 . session ()

我的Hello.py如下:

import tensorflow as tf

tf.compat.v1.disable_eager_execution()

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

sess = tf.compat.v1.Session()

print(sess.run(hello))

2019-10-15 02:51:59

其他回答

TF2在默认情况下运行Eager Execution，从而消除了对session的需求。如果你想运行静态图形，更合适的方法是在TF2中使用tf.function()。虽然在TF2中仍然可以通过tf. compatat .v1.Session()访问Session，但我不鼓励使用它。通过比较hello worlds中的差异可能有助于演示这种差异:

TF1。X你好世界:

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

TF2。X你好世界:

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

更多信息请参见Effective TensorFlow 2

2019-12-04 15:18:49

根据TF 1:1符号映射，在TF 2.0中您应该使用TF . compatat .v1. session()而不是TF . session ()

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

得到TF 1。在TF 2.0中可以运行类似x的行为

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

但这样就不能从TF 2.0的许多改进中获益。更多细节请参考迁移指南 https://www.tensorflow.org/guide/migrate

2019-03-13 13:42:08

如果你在做这件事的时候，

from keras.applications.vgg16 import VGG16
from keras.preprocessing import image
from keras.applications.vgg16 import preprocess_input
import numpy as np

然后我建议你遵循这些步骤，注意:只适用于TensorFlow2和CPU进程步骤1:告诉你的代码就像编译器是TF1一样，并禁用TF2行为，使用以下代码:

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

步骤2:当导入库时，提醒你的代码必须像TF1一样，是的，每一次。

tf.disable_v2_behavior()
from keras.applications.vgg16 import VGG16
from keras.preprocessing import image
from keras.applications.vgg16 import preprocess_input
import numpy as np

结论:这应该工作，让我知道如果有什么问题，也如果它是GPU，然后提到添加keras后端代码。此外，TF2不支持会话，对此有单独的理解，TensorFlow上已经提到过，链接是: TensorFlow TF2中使用会话的页面其他主要的TF2变化已经在这个链接中提到，它很长，但请通过它，使用Ctrl+F协助。链接, Effective TensorFlow 2 Page Link

2021-05-18 15:20:44

运行TF 1并不像你想的那么容易。x和TF 2。x环境我发现了一些错误，需要审查一些变量的使用，当我在互联网上修复神经元网络的问题。转换为TF 2。X是更好的主意。 (更容易适应)

TF - 2。X

while not done:
    next_obs, reward, done, info = env.step(action) 
        env.render()
    img = tf.keras.preprocessing.image.array_to_img(
            img,
            data_format=None,
            scale=True
    )
    img_array = tf.keras.preprocessing.image.img_to_array(img)
    predictions = model_self_1.predict(img_array) ### Prediction

### Training: history_highscores = model_highscores.fit(batched_features, epochs=1 ,validation_data=(dataset.shuffle(10))) # epochs=500 # , callbacks=[cp_callback, tb_callback]

TF - 1。X

with tf.compat.v1.Session() as sess:
    saver = tf.compat.v1.train.Saver()
    saver.restore(sess, tf.train.latest_checkpoint(savedir + '\\invader_001'))
    train_loss, _ = sess.run([loss, training_op], feed_dict={X:o_obs, y:y_batch, X_action:o_act})
    
    for layer in mainQ_outputs: 
                model.add(layer)
        model.add(tf.keras.layers.Flatten() )
        model.add(tf.keras.layers.Dense(6, activation=tf.nn.softmax))
        predictions = model.predict(obs) ### Prediction

    
### Training: summ = sess.run(summaries, feed_dict={X:o_obs, y:y_batch, X_action:o_act})

2022-01-23 02:12:06