TensorFlow v2.x使用说明[1]-概要与更新

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/jinxiaonian11/article/details/102079035

文章目录

• 1. 概要
• 2. 更新说明
  • 2.1 v2.0正式版
    • 2.1.1 keras作为高级API
    • 2.1.2 编程方式发生变化
    • 2.1.3引入分布式策略
    • 2.1.4 API命名改变
    • 2.1.5 tf.data
    • 2.1.6 模型保存
    • 2.1.7 优化器
    • 2.1.8 移除tf.contrib

1. 概要

本教程来自TensorFlow官方示例，以及结合自己使用经验。

TensorFlow被定义为一个端到端的开源机器学习平台。在官网中提供了教程和指南两种文档，教程是通过示例告诉大家如何使用TensorFlow，而指南则是阐述了TensorFlow的概念和组件。

v2.0更改比较大，不支持v1.0中的很多属性和方法。 主要优势：

• 使用eager模式和keras，模型的构建和训练更加方便，入门门槛变低。
• 模型更加稳健，可跨平台部署
• 统一API，去掉重复和无用的API

2. 更新说明

主要说明TensorFlow v2.0和v1.x的区别

2.1 v2.0正式版

2.1.1 keras作为高级API

在v2.0中，将keras作为高级API，用于构建和训练模型。例如可以使用keras中的Squential（序列式），函数式（functional），子类式（subclassimg）来构建模型，相比v1更加方便。

2.1.2 编程方式发生变化

在v1.x中使用符号式编程并配合图的概念，模型构建与训练的范式是：先构建静态图，之后再session中运行。2.0中不在使用tf.Session()，而是采用和python一样的命令式，降低了入门门槛。

2.1.3引入分布式策略

v1.x中分布式训练需要自己写逻辑，对于很多人来说是很难的，从2.0开始官方支持分布式训练。

2.1.4 API命名改变

很多api命名改变，使用需要注意。

2.1.5 tf.data

这个在v1.4之后就有，很方便。

2.1.6 模型保存

统一用savemodel。

2.1.7 优化器

统一tf.train.Optimizers和tf.keras.Optimizers。在tf2.0中将统一使用tf.keras.Optimizers。另外，将使用GradientTape来取代compute_gradient计算梯度。

2.1.8 移除tf.contrib

tf.contrib被移除，有价值的内容被加入到核心代码，其他则全部丢弃。