TensorFlow2.*の'flags'の使い方を教えてください。

Question

最初に書かせていただくのですが、TensorFlow2.*でtf.flagsが使用できないのは知っています。

自分がお聞きしたいのは、バージョンが変わりflagsの代わりがありそうなのでその使い方をお聞きしたくて質問しました。
こちらのサイトでは

主要な変更

API掃除
tf.app, tf.flags, tf.logging → absl-py

となっており、tf.flagsがabsl-pyでできると思いました。

こちらのサイトを参考にtf.flagsをflagsに変更していきました。

そしたら下記のようなエラーが出てきました

$ python3 hdrcnn_predict.py -h
Traceback (most recent call last):
  File "hdrcnn_predict.py", line 43, in <module>
    sx = int(np.maximum(32, np.round(FLAGS.width/32.0)*32))
  File "/Users/1831083/Library/Python/3.7/lib/python/site-packages/absl/flags/_flagvalues.py", line 499, in __getattr__
    raise _exceptions.UnparsedFlagAccessError(error_message)
absl.flags._exceptions.UnparsedFlagAccessError: Trying to access flag --width before flags were parsed.

in getattr

raise _exceptions.UnparsedFlagAccessError(error_message)

このエラーは、２つ目のこちらのサイトの下に解決策が書かれており、

解決策：main関数を直接呼び出していないですか？app.run(main)の形で呼び出しましょう。

とあったので、とりあえずapp.run(main)を入れたところ

# -*- coding: utf-8 -*-

#Copyright (c) 2017, Gabriel Eilertsen.
#All rights reserved.

import os, sys
import tensorflow as tf
import tensorlayer as tl
import numpy as np
import network, img_io

from absl import app
from absl import flags

app.run(main)

eps = 1e-5

def print_(str, color='', bold=False):
    if color == 'w':
        sys.stdout.write('\033[93m')
    elif color == "e":
        sys.stdout.write('\033[91m')
    elif color == "m":
        sys.stdout.write('\033[95m')

    if bold:
        sys.stdout.write('\033[1m')

    sys.stdout.write(str)
    sys.stdout.write('\033[0m')
    sys.stdout.flush()


#設定、TensorFlow引数を使用
FLAGS = flags.FLAGS
flags.DEFINE_integer("width", "1024", "Reconstruction image width")
flags.DEFINE_integer("height", "768", "Reconstruction image height")
flags.DEFINE_string("im_dir", "data", "Path to image directory or an individual image")
flags.DEFINE_string("out_dir", "out", "Path to output directory")
flags.DEFINE_string("params", "hdrcnn_params.npz", "Path to trained CNN weights")

flags.DEFINE_float("scaling", "1.0", "Pre-scaling, which is followed by clipping, in order to remove compression artifacts close to highlights")
flags.DEFINE_float("gamma", "1.0", "Gamma/exponential curve applied before, and inverted after, prediction. This can be used to control the boost of reconstructed pixels.")

#32の倍数に丸めて、オートエンコーダのプーリングとアップサンプリングを行う
#入力画像と同じサイズになります
sx = int(np.maximum(32, np.round(FLAGS.width/32.0)*32))
sy = int(np.maximum(32, np.round(FLAGS.height/32.0)*32))
if sx != FLAGS.width or sy != FLAGS.height:
    print_("Warning: ", 'w', True)
    print_("prediction size has been changed from %dx%d pixels to %dx%d\n"%(FLAGS.width, FLAGS.height, sx, sy), 'w')
    print_("ピクセル、オートエンコーダのプーリングとアップサンプリングに準拠します。\n\n", 'w')

#情報
print_("\n\n\t-------------------------------------------------------------------\n", 'm')
print_("\t  ディープCNNを使用した単一露光からのHDR画像再構成\n\n", 'm')
print_("\t  予測設定\n", 'm')
print_("\t  -------------------\n", 'm')
print_("\t  入力画像のディレクトリ/ファイル:%s\n" % FLAGS.im_dir, 'm')
print_("\t  出力ディレクトリ:%s\n" % FLAGS.out_dir, 'm')
print_("\t  CNN重み:%s\n" % FLAGS.params, 'm')
print_("\t  予測解像度:          %dx%d ピクセル\n" % (sx, sy), 'm')
if FLAGS.scaling > 1.0:
    print_("\t  Pre-scaling:                    %0.4f\n" % FLAGS.scaling, 'm')
if FLAGS.gamma > 1.0 + eps or FLAGS.gamma < 1.0 - eps:
    print_("\t  Gamma:                          %0.4f\n" % FLAGS.gamma, 'm')
print_("\t-------------------------------------------------------------------\n\n\n", 'm')

# シングルフレーム
frames = [FLAGS.im_dir]

# ディレクトリが指定されている場合は、パス内のすべてのファイルの名前を取得します
if os.path.isdir(FLAGS.im_dir):
    frames = [os.path.join(FLAGS.im_dir, name)
              for name in sorted(os.listdir(FLAGS.im_dir))
              if os.path.isfile(os.path.join(FLAGS.im_dir, name))]

#画像入力用のプレースホルダー
x = tf.placeholder(tf.float32, shape=[1, sy, sx, 3])

#HDR再構成オートエンコーダモデル
print_("Network setup:\n")
net = network.model(x)

#CNN予測（これには入力画像xとのブレンドも含まれます）
y = network.get_final(net, x)

#推論を実行するためのTensorFlowセッション
sess = tf.InteractiveSession()

#トレーニング済みのCNNウェイトをロードする
print_("\nLoading trained parameters from '%s'..."%FLAGS.params)
load_params = tl.files.load_npz(name=FLAGS.params)
tl.files.assign_params(sess, load_params, net)
print_("\tdone\n")

if not os.path.exists(FLAGS.out_dir):
    os.makedirs(FLAGS.out_dir)

print_("\nStarting prediction...\n\n")
k = 0
for i in range(len(frames)):
    print("Frame %d: '%s'"%(i,frames[i]))

    try:
        #フレームの読み込み
        print_("\tReading...")
        x_buffer = img_io.readLDR(frames[i], (sy,sx), True, FLAGS.scaling)
        print_("\tdone")

        print_("\t(Saturation: %0.2f%%)\n" % (100.0*(x_buffer>=1).sum()/x_buffer.size), 'm')

        # 実行予測。
        # ガンマ値は、再構成されたハイライトの強度を高める/減らすことを可能にするために使用されます。
        # y = f(x)が再構成されたものであれば、ガンマ値 gは、y = f(x^(1/g))^gに従ってこれを変更します。
        print_("\tInference...")
        feed_dict = {x: np.power(np.maximum(x_buffer, 0.0), 1.0/FLAGS.gamma)}
        y_predict = sess.run([y], feed_dict=feed_dict)
        y_predict = np.power(np.maximum(y_predict, 0.0), FLAGS.gamma)
        print_("\tdone\n")

        #  ガンマ補正出力
        y_gamma = np.power(np.maximum(y_predict, 0.0), 0.5)

        # ディスクへの書き込み
        print_("\tWriting...")
        k += 1;
        img_io.writeLDR(x_buffer, '%s/%06d_in.png' % (FLAGS.out_dir, k), -3)
        img_io.writeLDR(y_gamma, '%s/%06d_out.png' % (FLAGS.out_dir, k), -3)
        img_io.writeEXR(y_predict, '%s/%06d_out.exr' % (FLAGS.out_dir, k))
        print_("\tdone\n")

    except img_io.IOException as e:
        print_("\n\t\tWarning! ", 'w', True)
        print_("%s\n"%e, 'w')
    except Exception as e:    
        print_("\n\t\tError: ", 'e', True)
        print_("%s\n"%e, 'e')

print_("Done!\n")

sess.close()

Traceback (most recent call last):

File "hdrcnn_predict.py", line 12, in <module>
app.run(main)
NameError: name 'main' is not defined

となってしまいました。

このプログラムに元々mainがないので、app.run(main)の入れ方が分かりません。
どうしたら良いのでしょうか？

Comments

[jbpb0]

https://github.com/gabrieleilertsen/hdrcnn
のオリジナルのコード(質問者さんが修正してないもの)で、

import tensorflow as tf
↓ 変更
import tensorflow.compat.v1 as tf
tf.disable_v2_behavior()

のみ変更して、他はオリジナルのままで、TensorFlow 2.*で実行したら、どうなりますか？

参考
https://qiita.com/rawHam/items/626d9b119cbefcee1452
の「3. 2系挙動を無効化する」

ただし、TensorLayer他いろいろは、TF 2.*に対応したものが入ってる必要がありますが

[退会済みユーザー]

from absl import app
from absl import flags
のところで変更した所を
元に戻して変更して実行するという解釈で大丈夫でしょうか？

[jbpb0]

質問者さんが変えたところを戻すと、戻し忘れがあるかもしれないので、本当のオリジナルから作り直した方が確実だと思います

[退会済みユーザー]

変更したら
WARNING:tensorflow:From /Users/1831083/Library/Python/3.7/lib/python/site-packages/tensorflow/python/compat/v2_compat.py:101: disable_resource_variables (from tensorflow.python.ops.variable_scope) is deprecated and will be removed in a future version.
Instructions for updating:
non-resource variables are not supported in the long term
Traceback (most recent call last):
File "hdrcnn_predict.py", line 41, in <module>
sx = int(np.maximum(32, np.round(FLAGS.width/32.0)*32))
File "/Users/1831083/Library/Python/3.7/lib/python/site-packages/tensorflow/python/platform/flags.py", line 85, in __getattr__
wrapped(_sys.argv)
File "/Users/1831083/Library/Python/3.7/lib/python/site-packages/absl/flags/_flagvalues.py", line 670, in __call__
name, value, suggestions=suggestions)
absl.flags._exceptions.UnrecognizedFlagError: Unknown command line flag 'h'
になりました

[jbpb0]

> Unknown command line flag 'h'

って、おそらく

> python3 hdrcnn_predict.py -h

の「-h」なんて知らないよ、って言ってるのだと思います
詳細分かりませんが、TF 2.* の互換モードでは「-h」が無くなったのかもしれません
「-h」ではなく「--help」でもダメでしょうか？

「--help」でもダメなら、
https://github.com/gabrieleilertsen/hdrcnn/blob/master/hdrcnn_predict.py
の「# Settings, using TensorFlow arguments」と書いてるところから下にオプションが書かれてるので、そこ見たらオプションの指定のやり方が分かると思います

あと、
https://github.com/gabrieleilertsen/hdrcnn
の「Usage」の「Example」のところを参照するとか

[jbpb0]

https://teratail.com/questions/354950
の質問のコードでは「def main():」とかやってますけど、上記の「変更したら...」は、それやらないオリジナルのコードに、

import tensorflow as tf
↓ 変更
import tensorflow.compat.v1 as tf
tf.disable_v2_behavior()

だけやった場合の話ですよね？

[退会済みユーザー]

プログラムを３つに分けて、原文と、変更、abslに変更の３つでやっています。
なので、ここの質問のところでは
import tensorflow as tf
↓ 変更
import tensorflow.compat.v1 as tf
tf.disable_v2_behavior()

だけやった場合です。
今新たに質問した方は、abslを使った場合のプログラムです。

[退会済みユーザー]

# -*- coding: utf-8 -*-

import os, sys
import tensorflow.compat.v1 as tf
tf.disable_v2_behavior()
import tensorlayer as tl
import numpy as np
import network, img_io

eps = 1e-5

def print_(str, color='', bold=False):
if color == 'w':
sys.stdout.write('\033[93m')
elif color == "e":
sys.stdout.write('\033[91m')
elif color == "m":
sys.stdout.write('\033[95m')

if bold:
sys.stdout.write('\033[1m')

sys.stdout.write(str)
sys.stdout.write('\033[0m')
sys.stdout.flush()

#設定、TensorFlow引数を使用
FLAGS = tf.flags.FLAGS
tf.flags.DEFINE_integer("width", "1024", "Reconstruction image width")
tf.flags.DEFINE_integer("height", "768", "Reconstruction image height")
tf.flags.DEFINE_string("im_dir", "data", "Path to image directory or an individual image")
tf.flags.DEFINE_string("out_dir", "out", "Path to output directory")
tf.flags.DEFINE_string("params", "hdrcnn_params.npz", "Path to trained CNN weights")

tf.flags.DEFINE_float("scaling", "1.0", "Pre-scaling, which is followed by clipping, in order to remove compression artifacts close to highlights")
tf.flags.DEFINE_float("gamma", "1.0", "Gamma/exponential curve applied before, and inverted after, prediction. This can be used to control the boost of reconstructed pixels.")

#32の倍数に丸めて、オートエンコーダのプーリングとアップサンプリングを行う
#入力画像と同じサイズになります
sx = int(np.maximum(32, np.round(FLAGS.width/32.0)*32))
sy = int(np.maximum(32, np.round(FLAGS.height/32.0)*32))
if sx != FLAGS.width or sy != FLAGS.height:
print_("Warning: ", 'w', True)
print_("prediction size has been changed from %dx%d pixels to %dx%d\n"%(FLAGS.width, FLAGS.height, sx, sy), 'w')
print_("ピクセル、オートエンコーダのプーリングとアップサンプリングに準拠します。\n\n", 'w')

#情報
print_("\n\n\t-------------------------------------------------------------------\n", 'm')
print_("\t ディープCNNを使用した単一露光からのHDR画像再構成\n\n", 'm')
print_("\t 予測設定\n", 'm')
print_("\t -------------------\n", 'm')
print_("\t 入力画像のディレクトリ/ファイル:%s\n" % FLAGS.im_dir, 'm')
print_("\t 出力ディレクトリ:%s\n" % FLAGS.out_dir, 'm')
print_("\t CNN重み:%s\n" % FLAGS.params, 'm')
print_("\t 予測解像度: %dx%d ピクセル\n" % (sx, sy), 'm')
if FLAGS.scaling > 1.0:
print_("\t Pre-scaling: %0.4f\n" % FLAGS.scaling, 'm')
if FLAGS.gamma > 1.0 + eps or FLAGS.gamma < 1.0 - eps:
print_("\t Gamma: %0.4f\n" % FLAGS.gamma, 'm')
print_("\t-------------------------------------------------------------------\n\n\n", 'm')

# シングルフレーム
frames = [FLAGS.im_dir]

# ディレクトリが指定されている場合は、パス内のすべてのファイルの名前を取得します
if os.path.isdir(FLAGS.im_dir):
frames = [os.path.join(FLAGS.im_dir, name)
for name in sorted(os.listdir(FLAGS.im_dir))
if os.path.isfile(os.path.join(FLAGS.im_dir, name))]

#画像入力用のプレースホルダー
x = tf.placeholder(tf.float32, shape=[1, sy, sx, 3])

#HDR再構成オートエンコーダモデル
print_("Network setup:\n")
net = network.model(x)

#CNN予測（これには入力画像xとのブレンドも含まれます）
y = network.get_final(net, x)

#推論を実行するためのTensorFlowセッション
sess = tf.InteractiveSession()

#トレーニング済みのCNNウェイトをロードする
print_("\nLoading trained parameters from '%s'..."%FLAGS.params)
load_params = tl.files.load_npz(name=FLAGS.params)
tl.files.assign_params(sess, load_params, net)
print_("\tdone\n")

if not os.path.exists(FLAGS.out_dir):
os.makedirs(FLAGS.out_dir)

print_("\nStarting prediction...\n\n")
k = 0
for i in range(len(frames)):
print("Frame %d: '%s'"%(i,frames[i]))

try:
#フレームの読み込み
print_("\tReading...")
x_buffer = img_io.readLDR(frames[i], (sy,sx), True, FLAGS.scaling)
print_("\tdone")

print_("\t(Saturation: %0.2f%%)\n" % (100.0*(x_buffer>=1).sum()/x_buffer.size), 'm')

# 実行予測。
# ガンマ値は、再構成されたハイライトの強度を高める/減らすことを可能にするために使用されます。
# y = f(x)が再構成されたものであれば、ガンマ値 gは、y = f(x^(1/g))^gに従ってこれを変更します。
print_("\tInference...")
feed_dict = {x: np.power(np.maximum(x_buffer, 0.0), 1.0/FLAGS.gamma)}
y_predict = sess.run([y], feed_dict=feed_dict)
y_predict = np.power(np.maximum(y_predict, 0.0), FLAGS.gamma)
print_("\tdone\n")

# ガンマ補正出力
y_gamma = np.power(np.maximum(y_predict, 0.0), 0.5)

# ディスクへの書き込み
print_("\tWriting...")
k += 1;
img_io.writeLDR(x_buffer, '%s/%06d_in.png' % (FLAGS.out_dir, k), -3)
img_io.writeLDR(y_gamma, '%s/%06d_out.png' % (FLAGS.out_dir, k), -3)
img_io.writeEXR(y_predict, '%s/%06d_out.exr' % (FLAGS.out_dir, k))
print_("\tdone\n")

except img_io.IOException as e:
print_("\n\t\tWarning! ", 'w', True)
print_("%s\n"%e, 'w')
except Exception as e:
print_("\n\t\tError: ", 'e', True)
print_("%s\n"%e, 'e')

print_("Done!\n")

sess.close()

[jbpb0]

> ここの質問のところでは
import tensorflow as tf
↓ 変更
import tensorflow.compat.v1 as tf
tf.disable_v2_behavior()
だけやった場合です。

その場合でも、「--params...」付けたら
https://teratail.com/questions/354950
で質問してるようなエラー出ます？

[退会済みユーザー]

$ python3 hdrcnn_predict.py --params hdrcnn_params4.npz --im_dir data --width 1024 --height 768
WARNING:tensorflow:From /Users/1831083/Library/Python/3.7/lib/python/site-packages/tensorflow/python/compat/v2_compat.py:101: disable_resource_variables (from tensorflow.python.ops.variable_scope) is deprecated and will be removed in a future version.
Instructions for updating:
non-resource variables are not supported in the long term

-------------------------------------------------------------------
ディープCNNを使用した単一露光からのHDR画像再構成

予測設定
-------------------
入力画像のディレクトリ/ファイル:data
出力ディレクトリ:out
CNN重み:hdrcnn_params4.npz
予測解像度: 1024x768 ピクセル
-------------------------------------------------------------------

Network setup:
Traceback (most recent call last):
File "hdrcnn_predict.py", line 77, in <module>
net = network.model(x)
File "/Users/1831083/hdrcnn/hdrcnn-master/network.py", line 49, in model
net_in = tl.layers.InputLayer(x_in, name='input_layer')
File "/Users/1831083/Library/Python/3.7/lib/python/site-packages/tensorlayer/layers/deprecated.py", line 178, in InputLayer
raise NonExistingLayerError("InputLayer(x, name='a') --> Input(name='a')(x)" + __log__)
tensorlayer.layers.deprecated.NonExistingLayerError: InputLayer(x, name='a') --> Input(name='a')(x)
Hint: 1) downgrade TF and TL from version 2.x to 1.x. 2) check the documentation of TF and TL version 2.x

下に何かが出ました。

[jbpb0]

「network.py」も

import tensorflow as tf
↓ 変更
import tensorflow.compat.v1 as tf
tf.disable_v2_behavior()

をやってください

「training_code」の「hdrcnn_train.py」も (使うなら)

[退会済みユーザー]

$ python3 hdrcnn_predict4.py --params hdrcnn_params.npz --im_dir data --width 1024 --height 768
WARNING:tensorflow:From /Users/1831083/Library/Python/3.7/lib/python/site-packages/tensorflow/python/compat/v2_compat.py:101: disable_resource_variables (from tensorflow.python.ops.variable_scope) is deprecated and will be removed in a future version.
Instructions for updating:
non-resource variables are not supported in the long term

-------------------------------------------------------------------
ディープCNNを使用した単一露光からのHDR画像再構成

予測設定
-------------------
入力画像のディレクトリ/ファイル:data
出力ディレクトリ:out
CNN重み:hdrcnn_params.npz
予測解像度: 1024x768 ピクセル
-------------------------------------------------------------------

Network setup:
Traceback (most recent call last):
File "hdrcnn_predict4.py", line 77, in <module>
net = network.model(x)
File "/Users/1831083/hdrcnn/hdrcnn-master/network.py", line 50, in model
net_in = tl.layers.InputLayer(x_in, name='input_layer')
File "/Users/1831083/Library/Python/3.7/lib/python/site-packages/tensorlayer/layers/deprecated.py", line 178, in InputLayer
raise NonExistingLayerError("InputLayer(x, name='a') --> Input(name='a')(x)" + __log__)
tensorlayer.layers.deprecated.NonExistingLayerError: InputLayer(x, name='a') --> Input(name='a')(x)
Hint: 1) downgrade TF and TL from version 2.x to 1.x. 2) check the documentation of TF and TL version 2.x

変えたところこのようになりました。

[jbpb0]

> InputLayer(x, name='a') --> Input(name='a')(x)

と書かれてるように、「network.py」の50行目を変更してみてください

net_in = tl.layers.InputLayer(x_in, name='input_layer')
↓ 変更
net_in = tl.layers.Input(name='input_layer')(x_in)

[退会済みユーザー]

$ python3 hdrcnn_predict4.py --params hdrcnn_params.npz --im_dir data --width 1024 --height 768
WARNING:tensorflow:From /Users/1831083/Library/Python/3.7/lib/python/site-packages/tensorflow/python/compat/v2_compat.py:101: disable_resource_variables (from tensorflow.python.ops.variable_scope) is deprecated and will be removed in a future version.
Instructions for updating:
non-resource variables are not supported in the long term

-------------------------------------------------------------------
ディープCNNを使用した単一露光からのHDR画像再構成

予測設定
-------------------
入力画像のディレクトリ/ファイル:data
出力ディレクトリ:out
CNN重み:hdrcnn_params.npz
予測解像度: 1024x768 ピクセル
-------------------------------------------------------------------

Network setup:
Traceback (most recent call last):
File "hdrcnn_predict4.py", line 77, in <module>
net = network.model(x)
File "/Users/1831083/hdrcnn/hdrcnn-master/network.py", line 50, in model
net_in = tl.layers.Input(name='input_layer')(x_in)
TypeError: Input() missing 1 required positional argument: 'shape'

でした。

[jbpb0]

net_in = tl.layers.Input(tf.shape(x_in), name='input_layer')(x_in)

かな？？ (未確認)

[退会済みユーザー]

「network.py」のline50を
net_in = tl.layers.InputLayer(x_in, name='input_layer')
↓
net_in = tl.layers.Input(tf.shape(x_in), name='input_layer')(x_in)
に変更したところ以下のようになりました。
$ python3 hdrcnn_predict4.py --params hdrcnn_params.npz --im_dir data --width 1024 --height 768
WARNING:tensorflow:From /Users/1831083/Library/Python/3.7/lib/python/site-packages/tensorflow/python/compat/v2_compat.py:101: disable_resource_variables (from tensorflow.python.ops.variable_scope) is deprecated and will be removed in a future version.
Instructions for updating:
non-resource variables are not supported in the long term

-------------------------------------------------------------------
ディープCNNを使用した単一露光からのHDR画像再構成

予測設定
-------------------
入力画像のディレクトリ/ファイル:data
出力ディレクトリ:out
CNN重み:hdrcnn_params.npz
予測解像度: 1024x768 ピクセル
-------------------------------------------------------------------

Network setup:
Traceback (most recent call last):
File "hdrcnn_predict4.py", line 77, in <module>
net = network.model(x)
File "/Users/1831083/hdrcnn/hdrcnn-master/network.py", line 50, in model
net_in = tl.layers.Input(tf.shape(x_in), name='input_layer')(x_in)
File "/Users/1831083/Library/Python/3.7/lib/python/site-packages/tensorlayer/layers/inputs.py", line 83, in Input
input_layer = _InputLayer(shape, dtype=dtype, name=name)
File "/Users/1831083/Library/Python/3.7/lib/python/site-packages/tensorlayer/layers/inputs.py", line 46, in __init__
shape_without_none = [_ if _ is not None else 1 for _ in shape]
File "/Users/1831083/Library/Python/3.7/lib/python/site-packages/tensorflow/python/framework/ops.py", line 520, in __iter__
self._disallow_iteration()
File "/Users/1831083/Library/Python/3.7/lib/python/site-packages/tensorflow/python/framework/ops.py", line 516, in _disallow_iteration
self._disallow_in_graph_mode("iterating over `tf.Tensor`")
File "/Users/1831083/Library/Python/3.7/lib/python/site-packages/tensorflow/python/framework/ops.py", line 496, in _disallow_in_graph_mode
" this function with @tf.function.".format(task))
tensorflow.python.framework.errors_impl.OperatorNotAllowedInGraphError: iterating over `tf.Tensor` is not allowed in Graph execution. Use Eager execution or decorate this function with @tf.function.

[jbpb0]

https://github.com/gabrieleilertsen/hdrcnn
は約4年前に書かれたもので、当時のTensorLayer 1.*用に書かれているのをTensorLayer 2.*で動かそうとしているので、仕様の違いで書き直さないといけないところが出てきてます

https://teratail.com/questions/354950
の質問のコードのように「absl」を使うようにしても、TensorLayerを使うところは共通なので、そちらのコードで今出てるエラーを直したら、結局同じことが起きるはずです

https://teratail.com/questions/354646
にも書きましたけど、仮想環境の中で4年前のバージョンに揃えた環境を再現して動かすというやり方もあります

[jbpb0]

ここのもともとの質問

> TensorFlow2.*の'flags'の使い方を教えてください。

は、

import tensorflow as tf
↓ 変更
import tensorflow.compat.v1 as tf
tf.disable_v2_behavior()

でTF 2.*でも「tf.flags」が使えるので、解決してますよね

今出てるエラーは、TensorLayerの1.*と2.*の仕様の違いによるものなので、もともとの質問から大きく外れた内容なので、そのことについてさらに質問するのなら、ここで続けるのではなくて、別の質問にしてください

[退会済みユーザー]

そうですね。
回答していただければ幸いです。
このままこのプログラムをTensorFlow2.*で動かせるようにしたいのですがその場合の質問はどうしたら良いのか教えていただければ幸いです。

Answer 1

Deep learning HDR image reconstruction
のオリジナルのコード(質問者さんが修正してないもの)から

import tensorflow as tf

↓ 変更

import tensorflow.compat.v1 as tf
tf.disable_v2_behavior()

を行えば、

tf.flagsがabsl-pyでできると思いました。

tf.flagsをflagsに変更していきました。

をやらなくても

TensorFlow2.*でtf.flagsが使用できない

が解消されると思います

参考
Tensorflow 2で1系記法のCNNを動かす方法
の「3. 2系挙動を無効化する」

Answer 2

Traceback (most recent call last):

File "hdrcnn_predict.py", line 12, in <module>
app.run(main)
NameError: name 'main' is not defined

関数 main を定義していないからでは?

print("Hello")
...

を

def main():
  print("hello")
  ...

if __name__ == "__main__":
  app.run(main)

って書けばいいかと。

Comments

[退会済みユーザー]

このプログラム、他のサイトから持ってきたものなので、このプログラムでのmainの書き方が分からないので、どう書けばいいのか教えて頂きたいのです。

[episteme]

追記しました