[備忘録] Tensorflowに関して

#はじめに
これまでTensorflow(Keras)を使ってみて、わかったことを整理しておきたいとと思います。

#1. 仮想環境でのTensorflowの設置
Tensorflowを仮想環境に設置する時、Anacondaのconda命令とPythonのpip命令を使うケースに分けられます。それぞれの特徴について、下記の表に整理します。

項目	conda	pip
設置コマンド	conda install -c anaconda tensorflow-gpu	pip install --upgrade tensorflow
メリット	CUDA, cuDNNも一緒に自動的に設置される。超便利！	2020.09時点でTensorflow 2.3 pip install -r requirement.txtが大変便利
デメリット	2020.09時点でTensorflow 2.1が最新Version. tensorflow-estimatorのVerisonが2.3になっているケースがある。[2] その時は、conda install tensorflow-estimator==2.1.0で、tensorflow-estimator version 2.1を手動で設置	CUDA, CuDNNを自分で設置する必要がある。 pip設置のTensorflowのPerformaceがconda設置より悪いと言われている [1]

#2. Tensorflow 2.0 with Keras
Tensorflow 2.0になったとき、変更点がいくつありました。

項目	Tensorflow 1.X	Tensorflow 2.X
設置	TensorflowとKerasを別々設置	Tensorflowだけ設置
import 部分	import tensorflow as tf import keras	import tensorflow as tf　 import tf.keras

#3. Google Colabで、TensorflowのVersionを変更する方法
2020年9月の時点で、Google ColabでのTensorflowのVersionは2.3です。しかし、ローカルマシンのTensoflowのVersionが2.1だとしましょう。その時、Google ColabのTensorflowのVersionを2.3から2.1に変更する必要があります。

#Google Colabに入力
#Downgrade tensorflow

!pip install tensorflow-gpu==2.1
import tensorflow as tf
print(tf.__version__)

#4.参考資料

1. Stop Installing Tensorflow using pip for performance sake!
2. AttributeError: module 'tensorflow' has no attribute 'compat'