python - neural - tensorflow: AttributeError: el objeto ''módulo'' no tiene el atributo ''mul''

tensorflow neural network

Question

He usado tensorflow durante UN día, pero surgen algunos problemas, cuando importo tensorflow, habría AttributeError: el objeto ''módulo'' no tiene atributo ''XXXXXX''

Ambiente

Uso ubuntu14.04, python2.7, CUDA toolkit 8.0 y CuDNN v5. Y las versiones de mi six y protobuf son: Nombre: six Versión: 1.10.0 Ubicación: /usr/local/lib/python2.7/dist-packages Requiere: Nombre: protobuf Versión: 3.2.0 Ubicación: / usr / local / lib / python2.7 / dist-packages Requiere: seis, herramientas de configuración

Aquí está mi código de prueba:

import tensorflow as tf
a = tf.placeholder(tf.int16)
b = tf.placeholder(tf.int16)
add = tf.add(a, b)
mul = tf.mul(a, b)
with tf.Session() as sess:
# Run every operation with variable input
print "Addition with variables: %i" % sess.run(add, feed_dict={a: 2, b: 3})
print "Multiplication with variables: %i" % sess.run(mul, feed_dict={a: 2, b: 3})

Me sale esta salida:

¿Hay algún problema con la instalación de tensorflow? o cualquier otro problema?

Answer 1

De acuerdo con las notas de lanzamiento de tensorflow 1.0.0 ,

tf.mul , tf.sub y tf.neg están en desuso a favor de tf.multiply , tf.subtract y tf.negative .

Deberá reemplazar tf.mul con tf.multiply .

Answer 2

En python-3 use tf.multiply lugar de tf.mul .

Answer 3

Esta operación estaba previamente disponible en versiones 0.x. Con el lanzamiento de TF 1.0, introdujeron cambios importantes en la API . Además de

tf.mul , tf.sub y tf.neg están en desuso a favor de tf.multiply , tf.subtract y tf.negative

muchas otras funciones fueron renombradas y cambiadas con la siguiente justificación:

Se han cambiado varias llamadas a la API de Python para parecerse más a NumPy.

Por lo tanto, muchos de los scripts que ya encontraste en la web o en los libros no funcionarán. Lo bueno es que la mayoría de ellos se pueden arreglar con su script migración. Se puede ejecutar con tf_upgrade.py --infile foo.py --outfile foo-upgraded.py . No podrá resolver todo (las limitaciones se enumeran here ), pero le ahorrará mucho trabajo.