TensorFlow 2.1.0 正式發(fā)布了，TensorFlow 2.1 是支持 Python 2 的最后一個(gè) TF 版本。

　　主要特性和改進(jìn)如下：

　　tensorflow pip 軟件包現(xiàn)在默認(rèn)包括針對(duì) Linux 和 Windows 的 GPU 支持(與 tensorflow-gpu 相同)。它可以在帶有和不帶有 NVIDIA GPU 的機(jī)器上運(yùn)行。 tensorflow-gpu 仍然可用，對(duì)于關(guān)心軟件包大小的用戶，可以在 tensorflow-cpu 上下載僅 CPU 的軟件包。

　　Windows 用戶：為了利用新的 /d2ReducedOptimizeHugeFunctions 編譯器標(biāo)志，現(xiàn)在使用 Visual Studio 2019 版本 16.4 構(gòu)建了正式發(fā)布的 tensorflow Pip 程序包。要使用這些新程序包，必須安裝 “Visual Studio 2015、2017 和 2019 的 Microsoft Visual C++ 可再發(fā)行組件”。

　　這不會(huì)更改在 Windows 上從源代碼構(gòu)建 TensorFlow 所需的最低版本，但是在沒(méi)有此標(biāo)志的情況下，啟用 EIGEN_STRONG_INLINE 的構(gòu)建可能需要超過(guò) 48 個(gè)小時(shí)才能進(jìn)行編譯。

　　如果你的計(jì)算機(jī)上缺少必需的 DLL，msvcp140.dll(舊)或 msvcp140_1.dll(新)之一，則導(dǎo)入 tensorflow 將顯示警告消息。

　　tensorflow pip 軟件包使用 CUDA 10.1 和 cuDNN 7.6 構(gòu)建。

　　tf.keras

　　GPU 和 Cloud TPU 提供了對(duì)混合精度的實(shí)驗(yàn)支持。

　　引入了 TextVectorization 層，該層將原始字符串作為輸入，并負(fù)責(zé)文本標(biāo)準(zhǔn)化、標(biāo)記化、n-gram 生成和詞匯索引。

　　只要在范圍內(nèi)構(gòu)建模型，就可以將 Keras .compile .fit .evaluate 和 .predict 置于 DistributionStrategy 范圍之外。

　　對(duì)于所有類型的 Keras 模型(順序模型、功能模型和子類模型)、Cloud TPU、Cloud TPU 均可提供 Keras .compile，.fit，.evaluate 和 .predict 的實(shí)驗(yàn)支持。

　　為云 TPU 啟用了自動(dòng)外部編譯。這使得 tf.summary 可以更方便地與 Cloud TPU 一起使用。

　　Cloud TPU 支持帶有 DistributionStrategy 和 Keras 的動(dòng)態(tài)批量大小。

　　除了 tf.data.Dataset 之外，還使用 numpy 數(shù)據(jù)在 TPU 上支持 .fit，.evaluate，.predict。

　　TensorFlow Model Garden 提供了許多流行模型的 Keras 參考實(shí)現(xiàn)。

　　tf.data

　　更改 tf.data 數(shù)據(jù)集的重新編錄+分發(fā)策略以提高性能。請(qǐng)注意，數(shù)據(jù)集的行為也略有不同，因?yàn)橹匦聵?biāo)記的數(shù)據(jù)集基數(shù)將始終是副本數(shù)的倍數(shù)。

　　tf.data.Dataset現(xiàn)在支持在分布式環(huán)境中(包括在 TPU 容器上)自動(dòng)進(jìn)行數(shù)據(jù)分發(fā)和分片。

　　現(xiàn)在可以這樣調(diào)整 tf.data.Dataset 的分發(fā)策略： 1. tf.data.experimental.AutoShardPolicy(OFF, AUTO, FILE, DATA) 2. tf.data.experimental.ExternalStatePolicy(WARN, IGNORE, FAIL)

　　添加了環(huán)境變量 TF_DETERMINISTIC_OPS。當(dāng)設(shè)置為 “true” 或 “1” 時(shí)，此環(huán)境變量使 tf.nn.bias_add 確定性地(即可重復(fù)地)運(yùn)行，但當(dāng)前僅當(dāng)未啟用 XLA JIT 編譯時(shí)才運(yùn)行。這使得 Keras Conv*D 和 MaxPool*D 層在啟用 CUDA 的 GPU 上運(yùn)行時(shí)可確定地在向前和向后兩個(gè)方向上運(yùn)行。

特別提醒：本網(wǎng)內(nèi)容轉(zhuǎn)載自其他媒體，目的在于傳遞更多信息，并不代表本網(wǎng)贊同其觀點(diǎn)。其原創(chuàng)性以及文中陳述文字和內(nèi)容未經(jīng)本站證實(shí)，對(duì)本文以及其中全部或者部分內(nèi)容、文字的真實(shí)性、完整性、及時(shí)性本站不作任何保證或承諾，并請(qǐng)自行核實(shí)相關(guān)內(nèi)容。本站不承擔(dān)此類作品侵權(quán)行為的直接責(zé)任及連帶責(zé)任。如若本網(wǎng)有任何內(nèi)容侵犯您的權(quán)益，請(qǐng)及時(shí)聯(lián)系我們，本站將會(huì)在24小時(shí)內(nèi)處理完畢。