TensorFlow 2.0 新特性來啦，部分模型、庫和 API 已經可以使用

雷鋒網 AI 科技評論按，雖然 TensorFlow 2.0 還沒有正式發布，但日前，TensorFlow 團隊發布一篇文章，宣布了 TensorFlow 2.0 裡面將會有的新變化，雷鋒網 AI 科技評論編譯整理如下：

由於令人難以置信的多樣化社區，TensorFlow 已經發展成為世界上最受歡迎和廣泛採用的 ML 平台之一。這個社區包括：

研究人員（例如，預測地震餘震和檢測乳腺癌）

開發人員（例如，開發應用程序以識別患病植物和幫助人們減肥）

公司（例如，通過 eBay、Dropbox 和 AirBnB 改善客戶體驗）

其它

去年 11 月，TensorFlow 慶祝了它的第三個生日，並回顧了這些年來增加的功能。我們很高興迎來了另一個重要的里程碑：TensorFlow2.0。

TensorFlow 2.0 將重點放在簡單和易用性上，它做了以下更新：

用 Keras 建立簡單的模型並執行

在任何平台上的生產中進行強大的模型部署

強大的研究實驗

通過清除不推薦使用的 API 和減少重複來簡化 API

在過去的幾年中，我們在 TensorFlow 中添加了許多組件。在 TensorFlow 2.0 中，這些組件將被打包成一個綜合性平台，支持從訓練到部署的機器學習工作流。讓我們用一張簡化的概念圖來看看 TensorFlow2.0 的新架構，如下所示：

注意：儘管本圖的訓練部分側重於 Python API，但TensorFlow.js也支持訓練模型。它不同程度地支持其它語言，這些語言包括：Swift、R 和 Julia。

簡單的模型構建

下面是一個工作流示例（在接下來的幾個月里，我們將努力更新下面鏈接的指南）：

在任何平台上的生產中進行強大的模型部署

一直以來，TensorFlow 為生產提供了直接途徑。無論是在伺服器、邊緣設備還是網路上，使用何種語言或平台，TensorFlow 都可以讓您輕鬆地訓練和部署模型。在 TensorFlow 2.0 中，我們通過標準化交換格式和調整 API 來改進平台和組件之間的兼容性和奇偶性。

一旦您訓練並保存了模型，就可以直接在應用程序中執行它，或者使用部署庫為其提供服務：

TensorFlow 還支持其他語言（一些由更廣泛的社區維護），包括 C、Java、Go、C#、Rust、Julia、R 等。

強大的研究實驗

TensorFlow 2.0 包含了許多功能，可以在不犧牲速度或性能的情況下定義和訓練最先進的模型：

TensorFlow 1.x 和 2.0 之間的差異

此外，tf.contrib 將從核心 TensorFlow 存儲庫和構建過程中刪除。TensorFlow 的 contrib 模塊已經超出了在單個存儲庫中可以維護和支持的範圍。較大的項目單獨維護會更好，而較小的擴展將整合到核心 TensorFlow 代碼。

兼容性和連續性

為了簡化代碼遷移到 TensorFlow 2.0 的過程，將有一個轉換工具，它可以更新 TensorFlow 1.x Python 代碼以使用與 TensorFlow 2.0 兼容的 API，並將無法自動轉換的代碼標記出來。

此外，SavedModel 和 GraphDef 將向後兼容。用 1.x 版本保存的 SavedModel 格式的模型將繼續在 2.x 版本中載入和執行。但是，2.0 版本中的變更將意味著原始檢查點中的變數名可能會更改，因此使用 2.0 版本之前的檢查點（代碼已轉換為 2.0 版本）並不能保證正常工作。有關詳細信息，請參閱 TensorFlow 2.0 指南。

TensorFlow 2.0 的時間線

TensorFlow 2.0 將於今年年初公開發布。但為什麼要等到那個時候？您已經可以使用 tf.keras 和 Eager execution、預打包模型和部署庫來進行 TensorFlow2.0 的開發。今天，部分分發策略 API 也已經可用。

我們對 TensorFlow2.0 和它即將帶來的變化感到非常興奮。TensorFlow 已經從一個用於深度學習的軟體庫成長為所有包括類型機器學習的整個生態系統。對所有平台上的所有用戶來說，TensorFlow 2.0 將簡單且易用。

雷鋒網

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！