升级tensorflow2.0后，Mask R_CNN的调试笔记
让人头大的改变
新旧版本还是有很多差异的，很多API在新版本中弃用了或是移动了位置，TF提供了脚本应用程序可以自动的转换文件代码，但并不是所有的都可以实现自动转换，比如取消或是移动了的API，还是需要手动添加compat.v1，比较大型的工程文件也是无法直接转换的，所以我也没有用那个脚本。
1.一开始调试的错误基本都是新旧版本不兼容的问题，通过查询新API对比旧方法就可以做出改动，tensorflow官网对2.0版本的API还算是比较详细，会有新旧API名称放在一起供我们挑选，在搜索框里搜索一下方法名一般就会出来了。对于取消掉的模块有一部分如果坚持要使用也是可以在tf.compat中找到的。比如：
2.
3.log函数统一封装到math了
4.今天下午刚解决的一个错误，说tensorflow2.0的core的train中没有optimizer这个属性了，环境匹配问题，原版本keras2.2.4并不能完全支持tensorflow2.0了，搞了好几天才想起来是咋回事儿，被自己蠢哭了要，keras需要升级到2.3.0版本，这应该是keras最新版且第一版支持tensorflow2.0的。
升级命令：pip install --upgrade keras==2.3.05.OperatorNotAllowedInGraphError: using atf.Tensoras a Pythonboolis not allowed in Graph execution. Use Eager execution or decorate this function with @tf.function.
实在是上一版tf没怎么学，不明白是为啥，怎么就拿tensor当bool用了，我就把判断改了，嗯，可以正常运行了，算法应该也没变，我也不知道合理不合理，我实在是太菜了
6.AttributeError: 'Model' object has no attribute 'metrics_tensors'
keras2.3.0有API改动，改用add_metric
https://github.com/keras-team/keras/releases/tag/2.3.0
7.AttributeError: 'Model' object has no attribute 'run_eagerly' 还是keras版本升级的问题
关于fit_generator(),keras的fit（）函数会把训练数据一次性完整的加载进内存，在数据量很大的情况下这样操作是不可能的，所以可以用fit_generator()训练。
8.
9.
10.改用tf.cast( ,dtype)
