Python 如何将提要和占位符迁移到TensorFlow 2？

我正在尝试将一个简单的片段从TensorFlow 1.x转换为TensorFlow 2：

TensorFlow 1.x代码：##########
将numpy作为np导入
导入tensorflow作为tf
系数=np.数组（[[1.]，[-10.]，[25.]））
w=tf.Variable（0，dtype=tf.float32）
x=tf.placeholder（tf.float32[3,1]）
成本=（x[0][0]*（w**2））+（x[1][0]*w）+（x[2][0]）
列车=tf.列车.梯度降阶器（0.05）.最小化（成本）
如果uuuu name uuuuuu='\uuuuuuu main\uuuuuuu'：
init=tf.global_variables_initializer（）
session=tf.session（）
会话运行（init）
对于范围（100）内的i：
session.run（train，feed_dict={x:coverties}）
打印（会话运行（w））

---

TF2中已经替换了很多旧API（例如，

GradientDescentOptimizer

替换为

keras.optimizers.SGD

），我能够找到如何重构大部分代码的方法，但我不知道如何重构

tf.placeholder

和

feed\u dict

，以及这两者如何交互。TF2中是否完全避免使用占位符？

通常使用

@tf.function

并将占位符转换为函数参数

sess.run

然后被替换为调用该函数。过去用于返回ops的内容（如

最小化
）现在只在函数内部调用。以下是您转换的代码片段：

coefficients = tf.constant([[1.], [-10.], [25.]])
w = tf.Variable(0.0)

@tf.function
def train(x):
  cost = (x[0][0] * (w**2)) + (x[1][0]*w) + (x[2][0])
  tf.compat.v1.train.GradientDescentOptimizer(0.05).minimize(cost, var_list=[w])

for i in range(100):
    train(coefficients)

print(w)

正如您所提到的，
train.GradientDescentOptimizer
已被弃用，因此升级该部件将需要更多的更改