Remove unnecessary Python 2 __future__ imports across 52+ files

Aperta Adatta ai principianti
#3,542 0 commenti 0 reazioni 0 assegnatari Vedi su GitHub

Nessuno ha ancora preso questa issue.

Valutazione

Difficoltà
2/5
Tempo stimato
Mezza giornata
Idoneità per principianti
62/100
Tipo di issue
Refactoring
Chiarezza
Specificata chiaramente
Stato di attività
Ferma
Stack tecnologico
python

Direzione di ricerca

Esegui grep -rn "from __future__ import" models/official/ per elencare ogni occorrenza; la issue indica come punti di partenza efficientnet, detection, amoeba_net, resnet, densenet e mnist. Rimuovi le righe absolute_import, division e print_function, quindi verifica che ogni file modificato venga ancora importato correttamente e che i suoi test esistenti vengano eseguiti. È completato quando il grep non restituisce nulla e nessun file cambia comportamento. Conferma prima l'ambito con un maintainer, perché la issue non ha risposte.

Scritto dal modello di indicizzazione a partire dal testo della issue.

Descrizione

Description

Over 52 files in models/official/ still contain Python 2 compatibility imports:

from __future__ import absolute_import
from __future__ import division
from __future__ import print_function

These have been unnecessary since Python 3.0 (2008) and are pure dead code.

Affected areas
  • models/official/efficientnet/ (multiple files)
  • models/official/detection/ (multiple files)
  • models/official/amoeba_net/ (multiple files)
  • models/official/resnet/
  • models/official/densenet/
  • models/official/mnist/
  • And others across models/official/
Impact
  • Adds visual noise to every file
  • Signals to users that the codebase may still target Python 2, causing confusion
  • Inconsistent — some files have them, others don't
Suggested Fix

Remove all from __future__ import statements across the codebase since Python 2 is long past end-of-life (Jan 2020).

Lingua principale
Jupyter Notebook
Stelle
5.3k
Fork
1.7k
Metriche di merge delle PR
Nessuna PR unita negli ultimi 30g

Preparare l'ambiente

Questo progetto non fornisce container di sviluppo, Dockerfile né guida per i contributori, quindi l'ambiente è a tuo carico: parti dal suo README e consulta la nostra guida al primo contributo per i passaggi generali.

Come iniziare

  1. Leggi tutta la issue e poi la guida ai contributi del progetto.
  2. Commenta sulla issue per dire che te ne occupi tu — evita che due persone facciano lo stesso lavoro.
  3. Fai un fork del repository e lavora su un branch.
  4. Apri una pull request che faccia riferimento al numero della issue.

Altre issue di tensorflow/tpu

Tutte le issue di tensorflow/tpu

Issue simili

Altre issue su Machine Learning

Ricevi le nuove issue nella tua casella

Un breve riepilogo di issue GitHub adatte ai principianti.