TensorFlow低版本代码自动升级为1.0版本

Reference:
https://www.tensorflow.org/install/migration

tensorflow 更新到1.0之后，0.n版本不兼容，除了手动更改代码之外，tensorflow官方还提供了自动更新的脚本。

下载链接：https://github.com/tensorflow/tensorflow/tree/master/tensorflow/tools/compatibility

使用方法：

更新一个文件：

原本代码为foo.py, 使用tf_upgrade.py自动升级为1.0版本，新的文件名为foo-upgraded.py：

tf_upgrade.py --infile foo.py --outfile foo-upgraded.py

目录下的所有文件都更新：

 tf_upgrade.py --intree InputDir --outtree OutputDir

目录下的所有文件都更新，并复制除了python文件之外的其他文件到新文件夹：

运行之后所有.py文件都会更新并放在OutputDir目录下，如果想要目录中的其他文件（.txt等）也复制到新的文件夹,可以设置

copyotherfiles为True：
tf_upgrade.py --intree InputDir --outtree OutputDir --copyotherfiles True

更新完毕后脚本会自动生成一个log文件，其中包含了更新的内容。

third_party/tensorflow/tools/compatibility/test_file_v0.11.py Line 125

Renamed keyword argument from `dim` to `axis`
Renamed keyword argument from `squeeze_dims` to `axis`

  Old:          [[1, 2, 3]], dim=1), squeeze_dims=[1]).eval(),
                    ~~~~  ~~~~~~~~~~~~~
  New:          [[1, 2, 3]], axis=1), axis=[1]).eval(),
                    ~~~~~  ~~~~~

拓展阅读

tf_upgrade.py 有一些局限性：

它不能改变 tf.reverse() 的参数，因此必须手动修复。
对于参数列表重新排序的方法，如 tf.split() 和 tf.reverse_split()，它会尝试引入关键字参数，但实际上并不能重新排列参数。

有些结构必须手动替换，例如：

tf.get.variable_scope().reuse_variables() 

替换为：

with tf.variable_scope(tf.get.variable_scope(),reuse=True):