无法将Tensorflow从1.0转换为Tensorflow 2.0

我有tensorflow 1.0版本代码，无法使用以下语法转换tensorflow 2.0。 你能帮我一下吗

（A）

问题-1）如何对Tf2.0上的lstm_单元使用drop-out

（B）

Q-2）当我使用上述语法时，我得到一个错误

“LSTM单元格没有TF2.0的零状态单元格”

如何初始化lSTM单元

---

C） 如何为TF2.0使用tf.keras.layers.RNN单元格对于RNN退出，已将DropOutRapper移动到

我想这是零州的新名字

---

您应该更精确地说明您想用RNN做什么

tf.keras.layers.RNN

是循环层的基类，不应按原样使用。相反，您应该使用一些子类，如，或，或创建您自己的子类。请看上的教程。

对于RNN辍学，已将

DropOutRapper

移动到

我想这是零州的新名字

您应该更精确地说明您想用RNN做什么

tf.keras.layers.RNN

是循环层的基类，不应按原样使用。相反，您应该使用一些子类，如，或，或创建您自己的子类。请看上的教程。

谢谢@AlexisBRENON。。 这是我的密码。如果我做错了，请告诉我

lstm_cell =tf.keras.layers.LSTM(units=hidden_unit)
    lstm_cell = tf.nn.RNNCellDropoutWrapper(lstm_cell, output_keep_prob=self.dropout_keep_prob)
    self._initial_state = lstm_cell.get_initial_state(self.batch_size, tf.float32)
    inputs = [tf.squeeze(input_, [1]) for input_ in tf.split(pooled_concat,num_or_size_splits=int(reduced),axis=1)]

    outputs, state_size =tf.keras.layers.RNN(lstm_cell, inputs, initial_state=self._initial_state, return_sequences=self.real_len)

    ==>>> Want to  Collect the appropriate last words into variable output (dimension = batch x embedding_size)
    output = outputs[0]

错误：- self.\u initial\u state=lstm\u cell.get\u initial\u state（self.batch\u size，tf.float32） ValueError:维度0的切片索引0超出范围。对于输入形状为[0]、[1]、[1]、[1]和[1]且具有计算输入张量的“跨步切片”（op:“跨步切片”）：输入[1]=，输入[2]=，输入[3]=。

谢谢@AlexisBRENON。。 这是我的密码。如果我做错了，请告诉我

lstm_cell =tf.keras.layers.LSTM(units=hidden_unit)
    lstm_cell = tf.nn.RNNCellDropoutWrapper(lstm_cell, output_keep_prob=self.dropout_keep_prob)
    self._initial_state = lstm_cell.get_initial_state(self.batch_size, tf.float32)
    inputs = [tf.squeeze(input_, [1]) for input_ in tf.split(pooled_concat,num_or_size_splits=int(reduced),axis=1)]

    outputs, state_size =tf.keras.layers.RNN(lstm_cell, inputs, initial_state=self._initial_state, return_sequences=self.real_len)

    ==>>> Want to  Collect the appropriate last words into variable output (dimension = batch x embedding_size)
    output = outputs[0]

错误：- self.\u initial\u state=lstm\u cell.get\u initial\u state（self.batch\u size，tf.float32）

---

ValueError:维度0的切片索引0超出范围。对于输入形状为[0]、[1]、[1]、[1]、[1]且具有计算输入张量的“跨步切片”（op:“跨步切片”）：输入[1]=，输入[2]=，输入[3]=。

输出，状态大小=tf.keras.layers.RNN（lstm\u单元格，输入，初始状态=self.\u初始状态，返回序列=self.real\len）我想将适当的最后一个字收集到变量输出中（维度=批次x嵌入大小）使用RNN返回输出单元格输出=输出[0]输出，状态大小=tf.keras.layers.RNN（lstm\u单元格，输入，初始状态=self.\u初始状态，返回序列=self.real\u len）我想将适当的最后一个字收集到变量输出中（维度=批次x嵌入大小）使用RNN返回输出单元输出=输出[0]如果回答了最初的问题，我建议为您的新错误打开一个新问题。顺便说一句，您应该提供一个最小的可复制示例。

hidden\u unit

、

self.real\u len

等的值是多少。此外，您正在将

rnncelldropoutrapper

添加到

LSTM

层，而不是添加到

 LSTMCell

（我不知道有什么区别），你确定你在做什么吗？最后，你可能应该使用一个

输入

层（带有定义的

输入形状

）允许TF跟踪LSTM层的形状。如果回答了最初的问题，我建议为新错误打开一个新问题。顺便说一句，您应该提供一个最小的可复制示例。

hidden\u unit

、

self.real\u len

等的值是多少。此外，您正在添加一个

rncellDropOutrapper

到

LSTM

层而不是

LSTMCell

（我不知道区别），你确定你要做什么吗？最后，你可能应该使用

Input

层（定义了

Input\u shape

）来允许TF跟踪你的LSTM层的形状。

lstm_cell =tf.keras.layers.LSTM(units=hidden_unit)
    lstm_cell = tf.nn.RNNCellDropoutWrapper(lstm_cell, output_keep_prob=self.dropout_keep_prob)
    self._initial_state = lstm_cell.get_initial_state(self.batch_size, tf.float32)
    inputs = [tf.squeeze(input_, [1]) for input_ in tf.split(pooled_concat,num_or_size_splits=int(reduced),axis=1)]

    outputs, state_size =tf.keras.layers.RNN(lstm_cell, inputs, initial_state=self._initial_state, return_sequences=self.real_len)

    ==>>> Want to  Collect the appropriate last words into variable output (dimension = batch x embedding_size)
    output = outputs[0]