Tensorflow 2.0 - AttributeError: module 'tensorflow' has no attribute 'Session'
Tensorflow 2.0 - AttributeError: module 'tensorflow' has no attribute 'Session'
当我在 Tensorflow 2.0 环境中执行命令 sess = tf.Session() 时，我收到如下错误消息：
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
AttributeError: module 'tensorflow' has no attribute 'Session'
System Information:
- OS 平台和分布：Windows 10
- Python版本：3.7.1
- Tensorflow版本：2.0.0-alpha0（用pip安装）
Steps to reproduce:
Installation:
- pip 安装--升级 pip
- pip install tensorflow==2.0.0-alpha0
- pip 安装 keras
- pip 安装 numpy==1.16.2
Execution:
- 执行命令：import tensorflow as tf
- 执行命令：sess = tf.Session()
根据 TF 1:1 Symbols Map，在 TF 2.0 中你应该使用 tf.compat.v1.Session() 而不是 tf.Session()
https://docs.google.com/spreadsheets/d/1FLFJLzg7WNP6JHODX5q8BDgptKafq_slHpnHVbJIteQ/edit#gid=0
要获得 TF 1.x 类似 TF 2.0 中的行为，可以 运行
import tensorflow.compat.v1 as tf
tf.disable_v2_behavior()
但是人们无法从 TF 2.0 中做出的许多改进中获益。有关详细信息，请参阅迁移指南
https://www.tensorflow.org/guide/migrate
我在安装 windows10 + python3.7(64bit) + anacconda3 + jupyter notebook.
后第一次尝试 python 时遇到了这个问题
我参考“https://vispud.blogspot.com/2019/05/tensorflow200a0-attributeerror-module.html”
解决了这个问题
我同意
I believe "Session()" has been removed with TF 2.0.
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))
如果这是您的代码，正确的解决方案是将其重写为不使用 Session()，因为在 TensorFlow 2 中不再需要这样做
如果这只是您 运行 的代码，您可以通过 运行
降级到 TensorFlow 1
pip3 install --upgrade --force-reinstall tensorflow-gpu==1.15.0
（或者 latest version of TensorFlow 1 是什么）
TF2 运行s Eager Execution 默认情况下，因此不需要会话。如果你想运行静态图，比较合适的方法是在TF2中使用tf.function()。虽然在 TF2 中仍然可以通过 tf.compat.v1.Session() 访问 Session，但我不鼓励使用它。通过比较 hello worlds 中的差异来证明这种差异可能会有所帮助：
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)
有关详细信息，请参阅 Effective TensorFlow 2
使用 Anaconda + Spyder (Python 3.7)
[代码]
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))
[控制台]
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
对于TF2.x，你可以这样做。
import tensorflow as tf
with tf.compat.v1.Session() as sess:
hello = tf.constant('hello world')
print(sess.run(hello))
>>> b'hello world
TF v2.0 支持 Eager 模式与 v1.0 的 Graph 模式。因此，tf.session() 在 v2.0 上不受支持。因此，建议您重写代码以在 Eager 模式下工作。
Tensorflow 2.x 默认支持 Eager Execution，因此不支持 Session。
import tensorflow as tf
sess = tf.Session()
此代码将在版本 2.x
上显示属性错误
在版本 2.x
中使用版本 1.x 的代码
试试这个
import tensorflow.compat.v1 as tf
sess = tf.Session()
我遇到了同样的问题
import tensorflow as tf
hello = tf.constant('Hello World ')
sess = tf.compat.v1.Session() *//I got the error on this step when I used
tf.Session()*
sess.run(hello)
尝试将其替换为 tf.compact.v1.Session()
我在更新 Windows 10 后第一次尝试 Google Colab 时也遇到了同样的问题。然后我改了插入两行，
tf.compat.v1.disable_eager_execution()sess = tf.compat.v1.Session()
结果一切顺利
使用这个：
sess = tf.compat.v1.Session()
如果有错误，使用下面的
tf.compat.v1.disable_eager_execution()
sess = tf.compat.v1.Session()
如果你在做一些像这样的导入时，
from keras.applications.vgg16 import VGG16
from keras.preprocessing import image
from keras.applications.vgg16 import preprocess_input
import numpy as np
然后我建议您按照以下步骤操作，
注意：对于 TensorFlow2 和 CPU 仅处理
第 1 步：让您的代码将编译器视为 TF1 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()
第 2 步：在导入库时，提醒您的代码它必须像 TF1 一样运行，是的，每时每刻。
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：这应该可行，如果出现问题请告诉我，如果是 GPU，请务必提及为 keras 添加后端代码。另外，TF2不支持session，对此有单独的理解，在TensorFlow上已经提到，link是：
TensorFlow Page for using Sessions in TF2
link 中提到了 TF2 的其他主要更改，虽然很长，但请仔细阅读，使用 Ctrl+F 寻求帮助。 Link,
Effective TensorFlow 2 Page Link
import tensorflow._api.v2.compat.v1 as tf
tf.disable_v2_behavior()
对于 Tensorflow 2.0 及更高版本，试试这个。
import tensorflow as tf
tf.compat.v1.disable_eager_execution()
a = tf.constant(5)
b = tf.constant(6)
c = tf.constant(7)
d = tf.multiply(a,b)
e = tf.add(c,d)
f = tf.subtract(a,c)
with tf.compat.v1.Session() as sess:
outs = sess.run(f)
print(outs)
这并不像你想象的那么容易，运行 TF 1.x with TF 2.x environment 我发现了一些错误，当我修复问题时需要回顾一些变量的使用互联网上的神经元网络。转换为 TF 2.x 是更好的主意。
（更容易和自适应）
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})
当我在 Tensorflow 2.0 环境中执行命令 sess = tf.Session() 时，我收到如下错误消息：
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
AttributeError: module 'tensorflow' has no attribute 'Session'
System Information:
- OS 平台和分布：Windows 10
- Python版本：3.7.1
- Tensorflow版本：2.0.0-alpha0（用pip安装）
Steps to reproduce:
Installation:
- pip 安装--升级 pip
- pip install tensorflow==2.0.0-alpha0
- pip 安装 keras
- pip 安装 numpy==1.16.2
Execution:
- 执行命令：import tensorflow as tf
- 执行命令：sess = tf.Session()
根据 TF 1:1 Symbols Map，在 TF 2.0 中你应该使用 tf.compat.v1.Session() 而不是 tf.Session()
https://docs.google.com/spreadsheets/d/1FLFJLzg7WNP6JHODX5q8BDgptKafq_slHpnHVbJIteQ/edit#gid=0
要获得 TF 1.x 类似 TF 2.0 中的行为，可以 运行
import tensorflow.compat.v1 as tf
tf.disable_v2_behavior()
但是人们无法从 TF 2.0 中做出的许多改进中获益。有关详细信息，请参阅迁移指南 https://www.tensorflow.org/guide/migrate
我在安装 windows10 + python3.7(64bit) + anacconda3 + jupyter notebook.
我参考“https://vispud.blogspot.com/2019/05/tensorflow200a0-attributeerror-module.html”
解决了这个问题我同意
I believe "Session()" has been removed with TF 2.0.
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))
如果这是您的代码，正确的解决方案是将其重写为不使用 Session()，因为在 TensorFlow 2 中不再需要这样做
如果这只是您 运行 的代码，您可以通过 运行
降级到 TensorFlow 1pip3 install --upgrade --force-reinstall tensorflow-gpu==1.15.0
（或者 latest version of TensorFlow 1 是什么）
TF2 运行s Eager Execution 默认情况下，因此不需要会话。如果你想运行静态图，比较合适的方法是在TF2中使用tf.function()。虽然在 TF2 中仍然可以通过 tf.compat.v1.Session() 访问 Session，但我不鼓励使用它。通过比较 hello worlds 中的差异来证明这种差异可能会有所帮助：
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)
有关详细信息，请参阅 Effective TensorFlow 2
使用 Anaconda + Spyder (Python 3.7)
[代码]
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))
[控制台]
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
对于TF2.x，你可以这样做。
import tensorflow as tf
with tf.compat.v1.Session() as sess:
hello = tf.constant('hello world')
print(sess.run(hello))
>>> b'hello world
TF v2.0 支持 Eager 模式与 v1.0 的 Graph 模式。因此，tf.session() 在 v2.0 上不受支持。因此，建议您重写代码以在 Eager 模式下工作。
Tensorflow 2.x 默认支持 Eager Execution，因此不支持 Session。
import tensorflow as tf
sess = tf.Session()
此代码将在版本 2.x
上显示属性错误在版本 2.x
中使用版本 1.x 的代码试试这个
import tensorflow.compat.v1 as tf
sess = tf.Session()
我遇到了同样的问题
import tensorflow as tf
hello = tf.constant('Hello World ')
sess = tf.compat.v1.Session() *//I got the error on this step when I used
tf.Session()*
sess.run(hello)
尝试将其替换为 tf.compact.v1.Session()
我在更新 Windows 10 后第一次尝试 Google Colab 时也遇到了同样的问题。然后我改了插入两行，
tf.compat.v1.disable_eager_execution()sess = tf.compat.v1.Session()
结果一切顺利
使用这个：
sess = tf.compat.v1.Session()
如果有错误，使用下面的
tf.compat.v1.disable_eager_execution()
sess = tf.compat.v1.Session()
如果你在做一些像这样的导入时，
from keras.applications.vgg16 import VGG16
from keras.preprocessing import image
from keras.applications.vgg16 import preprocess_input
import numpy as np
然后我建议您按照以下步骤操作，
注意：对于 TensorFlow2 和 CPU 仅处理
第 1 步：让您的代码将编译器视为 TF1 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()
第 2 步：在导入库时，提醒您的代码它必须像 TF1 一样运行，是的，每时每刻。
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：这应该可行，如果出现问题请告诉我，如果是 GPU，请务必提及为 keras 添加后端代码。另外，TF2不支持session，对此有单独的理解，在TensorFlow上已经提到，link是：
TensorFlow Page for using Sessions in TF2
link 中提到了 TF2 的其他主要更改，虽然很长，但请仔细阅读，使用 Ctrl+F 寻求帮助。 Link,
Effective TensorFlow 2 Page Link
import tensorflow._api.v2.compat.v1 as tf
tf.disable_v2_behavior()
对于 Tensorflow 2.0 及更高版本，试试这个。
import tensorflow as tf
tf.compat.v1.disable_eager_execution()
a = tf.constant(5)
b = tf.constant(6)
c = tf.constant(7)
d = tf.multiply(a,b)
e = tf.add(c,d)
f = tf.subtract(a,c)
with tf.compat.v1.Session() as sess:
outs = sess.run(f)
print(outs)
这并不像你想象的那么容易，运行 TF 1.x with TF 2.x environment 我发现了一些错误，当我修复问题时需要回顾一些变量的使用互联网上的神经元网络。转换为 TF 2.x 是更好的主意。 （更容易和自适应）
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})