谷歌正式推出TensorFlow 2.0 RC版
发布于 2月前 作者 andy 来自分享

据谷歌官方介绍称,随着TensorFlow 逐渐成为端到端的成熟平台,它更加易于使用、强大、可拓展。TF 2.0及TensorFlow生态系统的最新发展情况。  

根据 TF 2.0.0-rc0的发布日志,它包含的主要特性和提升有:

  便捷的基于Keras和Eager Execution(动态图)的模型构建

  在任何平台的产品中的鲁棒的模型部署

  面向研究的强大的实验方法

  通过减少重复API和移除废弃点获得的API简化

  一些值得注意的特性:

  TF 2.0将Keras作为核心的构建和训练模型的API。

  TF 2.0可以用tf.distribute.Strategy API在最小代码改动的情况下实现分布式训练。

  用Functions而不是Sessions。可以通过写普通Python函数加tf.function注解的方式来构建可以远程执行、序列化和性能优化的图。

  统一tf.train.Optimizers和tf.keras.Optimizers。在TF 2.0中使用tf.keras.Optimizers.compute_gradients被从公共API中移除,现在用GradientTape来计算梯度。

  AutoGraph将Python控制流翻译为TensorFlow表达式,允许用户在使用tf.function装饰的函数中使用普通的Python语句。

  统一了SavedModel的交换格式。所有的TensorFlow生态圈项目(TensorFlow Lite, TensorFlow JS, TensorFlow Serving, TensorFlow Hub)都兼容SavedModels。

  API变动:许多API被重命名或移除,或参数名被修改。许多改变的动机是考虑到一致性和清晰性。TF 1.x的API在compat.v1模块中依然可用。

  API清理,包括tf.app、tf.flags和tf.logging,因为考虑到对absl-py的喜爱。

  没有了全局变量,以及相应的帮助函数,比如tf.global_variables_initializer和tf.get_global_step。

回到顶部