试了很多次，都不行，tf 也由1.14升级到1.15，有什么其他办法

如果您已经使用了 // 运算符或者 tf.math.divide() 函数，但仍然遇到相同的错误，可能是您使用的 TensorFlow 版本不兼容。建议您检查一下代码中所有 TensorFlow 相关的库是否都是最新版本，或者尝试使用其他版本的 TensorFlow。您可以通过升级或降级 TensorFlow 来解决这个问题。如果您使用的是 Anaconda，可以使用以下命令降级 TensorFlow：

conda install tensorflow=1.14

或者升级 TensorFlow：

conda install tensorflow=2.0

如果您使用的是 pip，可以使用以下命令降级 TensorFlow：

pip install tensorflow==1.14

或者升级 TensorFlow：

pip install tensorflow==2.0

希望这些方法可以帮助您解决问题。

相关问题

tf1.15的模型怎么转换成tflite

将TensorFlow 1.x模型转换为TensorFlow Lite（TFLite）格式的步骤如下：

1.安装TensorFlow 1.x和TensorFlow Lite Python库。

pip install tensorflow==1.15
pip install tensorflow-hub
pip install tensorflow==1.15

2.使用`tf.compat.v1.keras.models.load_model`加载模型。

import tensorflow as tf

# Load the model
model = tf.compat.v1.keras.models.load_model('path/to/model.h5')

3.使用`tf.lite.TFLiteConverter.from_keras_model_file`将模型转换为TFLite格式。

converter = tf.lite.TFLiteConverter.from_keras_model_file('path/to/model.h5')
tflite_model = converter.convert()

4.将TFLite模型保存到磁盘。

with open('converted_model.tflite', 'wb') as f:
    f.write(tflite_model)

这样就可以将TensorFlow 1.x模型转换为TFLite格式了。

tf1.14CrossEntropyLoss()

tf1.14中没有`tf.CrossEntropyLoss()`函数。在TensorFlow 1.x中，可以使用`tf.nn.softmax_cross_entropy_with_logits()`函数来计算交叉熵损失。下面是一个示例：

import tensorflow as tf

# 假设有两个类别
num_classes = 2

# 定义模型输出logits和真实标签
logits = tf.placeholder(tf.float32, shape=(None, num_classes))
labels = tf.placeholder(tf.float32, shape=(None, num_classes))

# 计算交叉熵损失
cross_entropy_loss = tf.reduce_mean(tf.nn.softmax_cross_entropy_with_logits(logits=logits, labels=labels))

# 使用损失进行优化等其他操作...

在TensorFlow 2.x中，可以使用`tf.keras.losses.CategoricalCrossentropy()`函数来计算交叉熵损失。示例如下：

import tensorflow as tf

# 假设有两个类别
num_classes = 2

# 定义模型输出logits和真实标签
logits = tf.placeholder(tf.float32, shape=(None, num_classes))
labels = tf.placeholder(tf.float32, shape=(None, num_classes))

# 计算交叉熵损失
cross_entropy_loss = tf.keras.losses.CategoricalCrossentropy()(labels, logits)

# 使用损失进行优化等其他操作...

请注意，以上示例仅为演示目的，实际使用时需要根据具体情况进行调整。