大型翻车现场，升级到tensorflow 2.0，我整个人都不好了

版本升级到 tensorflow 2.0 的悲惨经历.....

没事别升级

Tensorflow 2.0发布已经有一段时间了，各种基于新API的教程看上去的确简单易用，一个简单的mnist手写识别只需要下面不到20行代码就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)

于是我一激动，直接更新到了最新版本，直接执行

pip install –upgrade tensorflow-gpu

完成更新，打开以前写的程序，然后我就悲剧了。不管是简单的还是复杂的代码演示，惊讶的发现没有一个可以跑的，最后发现我以前写的tensorflow+Kears教程居然可以跑，结果一跑一个更大的悲剧等着我，直接跟我说CUDA版本不是10.0的版本，版本太低。于是我就认真重新看了tensorflow2.0的版本release说明，发现这么一句话：

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.

我终于对这段话有了很深刻与痛苦的领悟。是真的该删的删，该移的移！该抛弃的抛弃、完全没有考虑到开发者的切身感受。

当你开始运行程序时候，一般会顺序给你下面几个惊喜！

AttributeError: module 'tensorflow' has no attribute 'get_variable'
AttributeError: module 'tensorflow' has no attribute 'placeholder'
AttributeError: module 'tensorflow' has no attribute 'Session'

还有没有天理了，这些不是在tensorflow1.x中必须的吗，怎么说没就没有了，告诉你是真的没有，在tensorflow2.0中，如果还想让它有怎么办?

用tf.compat.v1.xxxx上面的那些no attribute错误就会解决了。举例

tf.Session()
改为
tf.compat.v1.Session()

然后我很高兴的去继续运行程序，就发现一个大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，这个是CUDA10.0的，我之前安装的是CUDA9.0，tensorflow2.0不支持了，所以这个必须换，怎么办，一顿卸载安装+配置猛如虎，我终于全部搞定了。在windows10系统下面 Tensorflow 2.0 + VS2015 + CUDA10.0 终于工作了，这个我只是改好了第一个代码，这样改下去，什么时候才完，别担心，后来我又发现了tensorflow官方提供的另外一个神器，可以帮助它代码自动的从v1版本转换到v2版本，可能连tensorflow官方自己也不好意思它跨度这么大的版本更新，所以还算提供了一个贴心的工具。直接cmd之后在命令行运行即可实现代码的自动转换：

如果你完全不想改动v1版本的代码，怎么办，这么操作即可：

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

亲测好用！但是我有个疑问，如果这样我升级干嘛，就是为了版本号吗？

总之一句话，升级不谨慎、代码靠手改！

后来我又看了看tensorflow2.0的宣传，它说强大、易用、可扩展！但是它没告诉我从tensorflow1.x 到tensorflow 2.0 都是坑！