升級到Tensorflow 2.0 踩坑
https://blog.csdn.net/javastart/article/details/102525102
Tensorflow 2.0發布已經有一段時間了，各種基於新API的教程看上去的確簡單易用，一個簡單的mnist手寫識別只需要下面不到20行代碼就OK了，
import tensorflow as tf
mnist = tf.keras.datasets.mnist
(x_train, y_train),(x_test, y_test) = mnist.load_data()x_train, x_test = x_train / 255.0, x_test / 255.0
model = tf.keras.models.Sequential([ tf.keras.layers.Flatten(input_shape=(28, 28)), tf.keras.layers.Dense(512, activation=tf.nn.relu), tf.keras.layers.Dropout(0.2), tf.keras.layers.Dense(10, activation=tf.nn.softmax)])model.compile(optimizer='adam', loss='sparse_categorical_crossentropy', metrics=['accuracy'])
model.fit(x_train, y_train, epochs=5)model.evaluate(x_test, y_test)
於是我一激動，直接更新到了最新版本，直接執行
pip install –upgrade tensorflow-gpu
完成更新，打開以前寫的程序，然后我就悲劇了。不管是簡單的還是復雜的代碼演示，驚訝的發現沒有一個可以跑的，最后發現我以前寫的tensorflow+Kears教程居然可以跑，結果一跑一個更大的悲劇等着我，直接跟我說CUDA版本不是10.0的版本，版本太低。於是我就認真重新看了tensorflow2.0的版本release說明，發現這么一句話：
Many APIs are either gone or moved in TF 2.0. Some of the major changes include removing tf.app, tf.flags, and tf.logging in favor of the now open-source absl-py, rehoming projects that lived in tf.contrib, and cleaning up the main tf.* namespace by moving lesser used functions into subpackages like tf.math.
我終於對這段話有了很深刻與痛苦的領悟。是真的該刪的刪，該移的移！該拋棄的拋棄、完全沒有考慮到開發者的切身感受。
當你開始運行程序時候，一般會順序給你下面幾個驚喜！
AttributeError: module 'tensorflow' has no attribute 'get_variable'AttributeError: module 'tensorflow' has no attribute 'placeholder'AttributeError: module 'tensorflow' has no attribute 'Session'
還有沒有天理了，這些不是在tensorflow1.x中必須的嗎，怎么說沒就沒有了，告訴你是真的沒有，在tensorflow2.0中，如果還想讓它有怎么辦?
用tf.compat.v1.xxxx上面的那些no attribute錯誤就會解決了。舉例
tf.Session()改為tf.compat.v1.Session()
然后我很高興的去繼續運行程序，就發現一個大BUG在等我
tensorflow.python.framework.errors_impl.internalerror: cudagetdevice() failed. status: cudageterrorstring symbol not found.
原因：
找不到cudart64_100.dll，這個是CUDA10.0的，我之前安裝的是CUDA9.0，tensorflow2.0不支持了，所以這個必須換，怎么辦，一頓卸載安裝+配置猛如虎，我終於全部搞定了。在windows10系統下面 Tensorflow 2.0 + VS2015 + CUDA10.0 終於工作了，這個我只是改好了第一個代碼，這樣改下去，什么時候才完，別擔心，后來我又發現了tensorflow官方提供的另外一個神器，可以幫助它代碼自動的從v1版本轉換到v2版本，可能連tensorflow官方自己也不好意思它跨度這么大的版本更新，所以還算提供了一個貼心的工具。直接cmd之后在命令行運行即可實現代碼的自動轉換：
如果你完全不想改動v1版本的代碼，怎么辦，這么操作即可：
import tensorflow.compat.v1 as tftf.disable_v2_behavior()
親測好用！