TensorFlow 2.0 要来啦！

来源 | Tensorflow

【磐创AI导读】：本文授权转载自Tensorflow。介绍了即将到来的Tensorflow2.0一些新特性。想要学习更多的机器学习知识，欢迎大家点击上方蓝字关注我们的公众号：磐创AI。

自 2015 年开源发布以来，TensorFlow 已成为全球应用最广泛的机器学习框架，可满足广泛的用户和用例需求。在此期间，TensorFlow 随着计算硬件、机器学习研究和商业部署的快速发展而不断改进。

为了反映这些快速变化，团队计划在今年下半年发布 TensorFlow 2.0 的预览版。

TensorFlow 2.0 将是一个重要的里程碑，重点是其易用性。以下是用户对 TensorFlow 2.0 的期望：

• Eager execution 将是 2.0 的核心功能。它通过 TensorFlow 实践更好地调整了用户对编程模型的期望，并且应该使 TensorFlow 更容易学习和应用。
• 通过交换格式的标准化和 API 的一致性，支持更多平台和语言，并改善这些组件之间的兼容性和奇偶性。
• 删除已弃用的 API 并减少重复数量，这些会给用户造成混淆。

公开 2.0 设计过程

近期，团队将举行一系列公开设计评审，涵盖计划的变更。此过程会阐明将成为 TensorFlow 2.0 一部分的功能，并允许社区提出更改和提出问题。如果你希望查看有关流程的评论和更新公告，请加入 developers@tensorflow.org。团队希望在今年晚些时候发布预览版后收集用户对计划更改的反馈。

兼容性和连续性

TensorFlow 2.0 是提供一个纠正错误并进行改进的机会，另外这些改进在语义版本下是禁止的。

为了简化过渡，我们将创建一个转换工具，用于更新 Python 代码以使用 TensorFlow 2.0 兼容 API，或者在无法自动进行此类转换的情况下发出警告。类似的工具已经在过渡到 1.0 版本时期做出了巨大贡献。

并非所有更改都可以完全自动完成。例如，将弃用 API，其中一些 API 没有直接的等价物。对于这种情况，团队将提供兼容模块（tensorflow.compat.v1），其中包含完整的 TensorFlow 1.x API，并将在 TensorFlow 2.x 的生命周期内维护。

一旦最终版本的 TensorFlow 2.0 发布，预计 TensorFlow 1.x 上不会有任何进一步的功能开发。在 TensorFlow 2.0 发布之日起，将继续为 TensorFlow 1.x 版本发布一年的安全补丁。

磁盘兼容性

我们可能不会对 SavedModels 或存储的 GraphDef 进行重大更改（我们计划在 2.0 中包含所有当前内核）。但是，2.0 中的更改将意味着原始检查点中的变量名称可能不得不在与新模型兼容之前进行转换。

tf.contrib

TensorFlow 的 contrib 模块已经超越了单个存储库中可维护和支持的模块。更大的项目可以单独维护会更好，而团队将随着 TensorFlow 主代码孵化较小的扩展。因此，作为发布 TensorFlow 2.0 的一部分，将停止发布 tf.contrib。团队将在未来几个月与各自所有者合作制定详细的迁移计划，包括如何在社区页面和文档中公布你的 TensorFlow 扩展。对于每个 contrib 模块，团队将：

• 将项目集成到 TensorFlow 中
• 将其移至单独的存储库
• 完全删除它

这意味着以后将弃用所有 tf.contrib，今天起将停止添加新的 tf.contrib 项目。团队正在寻找目前在 tf.contrib 的一些项目的所有者/维护者。如果您有兴趣，请联系我们。