給讀者，這是 9/22 11:38 pm 搶先版，未來還會再陸續更新。

自動升級 Script

正如昨天的文章所說的，Tensorflow 提供了升級程式，提供 1.x 到 2.x 的語法轉移。我們今天會介紹官方建議的升級步驟和忠告。

首先，這個升級 script 叫做 tf_upgrade_v2 ，在 Tensorflow v1.13 的版本中就已經被打包在裡面。大家可以在有安裝 v1.13 以上的 Tensorflow 的 virtual environment 中，在 environment 的 bin 資料夾中找到。

這個 tf_upgrade_v2 本身也是一個 python script，它的主要目的是針對那些 v1.x 和 v2.x 程式句法上有所變化的部分，做自動轉換，主要是在命令列上使用。接著我們來看一下 tf_upgrade_v2 的簡短使用說明。

$tf_upgrade_v2 -h                                                                                                            
usage: tf_upgrade_v2 [-h] [--infile INPUT_FILE] [--outfile OUTPUT_FILE]
                     [--intree INPUT_TREE] [--outtree OUTPUT_TREE]
                     [--copyotherfiles COPY_OTHER_FILES]
                     [--reportfile REPORT_FILENAME]

Convert a TensorFlow Python file to 2.0

Simple usage:
  tf_upgrade_v2.py --infile foo.py --outfile bar.py
  tf_upgrade_v2.py --intree ~/code/old --outtree ~/code/new

optional arguments:
  -h, --help            show this help message and exit
  --infile INPUT_FILE   如果只想轉換單一的檔案，請給予這個檔案的路徑去做轉換
  --outfile OUTPUT_FILE 如果只想轉換單一的檔案，請給予輸出檔案的名字
  --intree INPUT_TREE   如果想轉換在該目錄下的所有檔案，請給予輸入資料夾名稱的相對或絕對路徑
  --outtree OUTPUT_TREE 如果想轉換在該目錄下的所有檔案，請給予輸出資料夾名稱的相對或絕對路徑
  --copyotherfiles COPY_OTHER_FILES
                        如果想轉換在該目錄下的所有檔案，是否需要拷貝其他檔案
  --reportfile REPORT_FILENAME
                        指定將轉換的 log 檔儲存在哪裡（預設為 report.txt）

由上可以看到，有兩種使用 tf_upgrade_v2 的方法，那就是：

1. 單一 python file 的升級：可以用 --infile 指定你想要做升級轉換的 python script，包含 v1.x 的 Tensorflow 原始碼，以及使用 --outfile 來指定輸出的檔案。
2. 整個專案的升級：可以用 --intree 來指定想要做升級轉換的專案資料夾，同時用 --outtree來指定輸出的符合 v2.0 標準的 tensorflow 專案資料夾。

關於這兩個 scenarios，前者很適合對研究者使用 Jupyter notebook 或相似的軟體作轉換。使用者可以使用 %%write 將在 notebook 上寫好的模型寫到硬碟後，經過升級轉換後，再用 %load 去載入升級完的模型。

第二個 scenario，對於一些已經配置程服務的模型可能比較常用到，同時，tf_upgrade_v2 這個 script 還佛心來著，順便會把專案內容下和 tensorflow 模型非相關的檔案一併拷貝過來，只要指定 --copyotherfiles 這個選項，同時也可以自己指定升級程式在執行期間吐出的 log 的存放地點，以免在升級期間出了什麼差錯，可以依據 log 來查詢。

Tensorflow 官方建議的升級過程

Tensorflow 在官方的網站上提到，雖然有提供升級的 script，可以對一個專案裡的所有 tensorflow 相關程式都給予轉換，但是為了能夠讓升級 script 達到最佳的效果。Ｔensorflow 建議再呼叫升級 script 前，使用下列流程：

1. 準備好你的 unit test：升級 script 非聖賢，總會有些錯誤。良好涵蓋率的 unit test 可以保護你的專案不受升級 script 更改而產生不可逆的失敗結果。
2. 安裝 Tensorflow v1.14 以上的版本：若要升級到 2.0 之前，最佳的做法是先確定你目前的專案有最新 1.x 版本的支持。從 v1.14 開始，有納入和 v2.0 相容的 tf.compat.v2 模組。
3. 確定你的 unit test 在 v1.14 上是沒有問題的。
4. 可以對你的專案資料夾執行 tf_upgrade_v2，這個升級 script 會 recursively 針對資料夾內的 v1.x 語法做替換，如果有相等的 v2.0 語法，若沒有，則會被視為專屬於 v1.x 的語法，而以 tf.compat.v1 來做替換。
5. 重新執行轉換過的 unit test 在 v1.14 以上的版本。在第四個階段，經過tf_upgrade_v2轉換的 unit test 應該要仍舊至少與 v1.14 以上版本相容。
6. 查看升級 script 的 log，是否有錯誤或警告訊息。
7. 現在你可以安裝 Tensorflow 2.0 了！
8. 在 2.0 下使用 v1.disable_v2_behavior() 再次測試和 v1.14 的測試，也期待會有相同的結果。
9. 開啟 2.0 的行為，並正式進入 2.0 的世界

這裡要提到的是步驟 8，利用 tf.compat.v1.disable_v2_behavior 在 2.0 的環境下，進行 unittest 是否還是與 v1.14 相容。這個 function call 必須在其他 tensorflow 的程式碼宣告前被執行，其目的是選取 1.x ，若模型包含 v1.x 和 v2.0 不相容的行為。

所以，結論是...

今天的文章都來自於Upgrade code to TensorFlow 2.0，希望以後能有更多的時間測試不同複雜度的 1.x 程式轉乘 2.x。