1. Fork 机器学习项目到自己的仓库

首先，在 GitHub 上找到目标项目，并 Fork 到自己的仓库中。 项目地址：Hunter-P/tensorflow-minist：基于 TensorFlow 的手写数字识别

示意图如下：

2. 克隆项目到本地

使用以下命令将 Fork 后的仓库克隆到本地：

git clone git@github.com:WuSangui571/tensorflow-minist.git

克隆成功示意图：

3. 创建虚拟环境

为了隔离项目环境，使用 Anaconda 创建一个新的虚拟环境。 在 Anaconda Prompt 中执行以下命令，并在提示时输入 y 确认：

conda create -n minist python=3.8

虚拟环境创建成功示意图：

4. 打开项目

使用编辑器打开本地项目。 示意图如下：

5. 准备数据集

下载 MNIST 数据集，下载地址为： http://yann.lecun.com/exdb/mnist/

下载完成后，将数据集解压并放置在项目根目录下。

6. 安装依赖并试运行项目

激活刚刚创建的虚拟环境，并安装项目所需的 Python 库。安装完成后，尝试运行项目代码。

在此过程中，遇到了以下错误：

示意图如下：

7. 发现问题与错误分析

运行时报出以下错误：

AttributeError: module 'tensorflow' has no attribute 'InteractiveSession'

错误原因分析：

• 该项目原本基于 TensorFlow 1.x 开发，使用了 InteractiveSession() 。

• 当前环境安装的是 TensorFlow 2.x，而 2.x 默认启用了 Eager Execution（即时执行模式），不再需要显式创建 Session，因此 InteractiveSession() 已被移除。

8. 解决方法

最简单的兼容方案：启用 TensorFlow 1.x 兼容模式

在项目中进行以下修改即可兼容运行：

1. 替换导入 TensorFlow 的方式：

# 原始代码
# import tensorflow as tf
​
# 修改后代码
import tensorflow.compat.v1 as tf
tf.disable_v2_behavior()

这样可以在 TensorFlow 2.x 环境中继续使用 1.x 的写法，快速跑通项目。 （注意：虽然可行，但项目整体依然基于旧版 API）

9. 运行成功及结果截图

修改代码后，项目可以顺利运行，结果示例如下：（包含时间戳以证明执行时间）

10. 将修改后的代码推送到远程仓库

使用以下 Git 命令，将本地修改同步到 GitHub 仓库：

git add .
git commit -m "修改 TensorFlow 版本兼容问题"
git push

推送成功示意图：

结语

至此，本次机器学习项目部署、运行与调试已全部完成。 我将把修改后的项目代码（不包含数据集文件）发送给老师；同时，老师也可以通过以下项目主页下载完整代码版本（含数据集）：

• 项目地址：WuSangui571/tensorflow-minist：基于 TensorFlow 的手写数字识别

感谢老师的阅读！