TensorFlow 2.0 正式发布

问题导读

1.TF2.0有哪些改进？
2.新增TensorFlow Datasets的作用是什么？
3.TensorFlow 2.0该如何入门？

TensorFlow 2.0终于来了！

今天凌晨，这个全球用户最多的深度学习框架，正式放出了2.0版本。

Google深度学习科学家、Keras作者François Chollet热情的表示：“TensorFlow 2.0是一个来自未来的机器学习平台，它改变了一切”。

不少网友表示，TensorFlow 2.0比PyTorch更好用，已经准备全面转向这个新升级的深度学习框架了。

更易用的TF2.0

尽管是排名第一的深度学习框架，但TensorFlow的缺点也一直非常明显。官方对此也心知肚明，因此在今早发布的博客中写道：

”TensorFlow 2.0由用户社区推动，告诉我们他们想要一个易于使用、灵活又强大的平台，并且支持部署到任何地方。“

那么TF2.0有什么改进？

一、Keras与TensorFlow紧密集成，默认eager execution，执行Pythonic函数。官方表示，对开发者来说，TensorFlow 2.0用起来跟Python差不多；对于研究者来说，新框架也在低级API方面进行了重点投入。

二、为了在各种平台上运行，SavedModel文件格式进行了标准化。

三、针对高性能训练场景，可以使用Distribution Strategy API进行分布训练，且只需进行少量代码修改就能获得出色的性能。支持Keras Model.fit、自定义训练循环、多GPU等等。

四、TensorFlow 2.0提高了在GPU上的性能表现。以ResNet-50和BERT为例，只需要几行代码，混合精度使用Volta和Turing GPU，训练表现最高可以提升3倍。

五、新增TensorFlow Datasets，为包含大量数据类型的大型数据集提供了标准接口。

六、虽然保留了传统的基于Session的编程模型，但官方现在建议使用eager execution进行常规的Python开发。tf.function装饰器可以把代码转换成可以远程执行、序列化、性能优化的图。在Autograph的帮助下，能把常规的Python控制流直接转成TensorFlow控制流。

七、官方提供了TensorFlow 1.x升级2.0的迁移指南，TF2.0还有一个自动转换的脚本。

八、TensorFlow 2.0提供了易用的API，能够灵活快速的实现新想法。模型的训练和serving也已经无缝集成在基础架构中。

更多关于TensorFlow 2.0的信息，可以>

访问官网：
https://www.tensorflow.org/

GitHub：
https://github.com/tensorflow/tensorflow/releases/tag/v2.0.0

“改变一切，力压PyTorch”

TensorFlow 2.0发布之后，引发了广泛的讨论和关注。

Google深度学习科学家、Keras作者François Chollet热情的表示，TensorFlow 2.0是一个来自未来的机器学习平台，它改变了一切。

现在GitHub上排名第一的NLP机器学习课程practicalAI的作者、苹果公司AI研究员Goku Mohandas在推特上说，他们正在从PyTorch转向TensorFlow 2.0。

用户Francois Piednoel留言表示，他已经体验了TF2.0一整周，他给出同样的结论：TF2.0现在已经力压PyTorch一手了。

深度学习研究和教育者、fast.ai创始人Jeremy Howard也称赞TF2.0的发布是”令人兴奋的一步，与TensorFlow一代相比是一个巨大的飞跃“。

当然，至于实际怎么样，还得大家亲自体验了。

为了迎接新版的发布，TensorFlow团队的Josh Gordon，还整理了一份学习资源。

1、Deep Learning with Python

TF2.0基于Keras。如果你是一个深度学习新手，最好从这本书入手。当然这本书里的代码需要改一下，但非常简单：

import keras -> from tensorflow import keras

这本书地址在此：

https://github.com/fchollet/deep-learning-with-python-notebooks

2、Hands-on ML第二版

这本书非常棒，可以带你更深入TF2.0，记得要看第二版。

这本书地址在此：

https://github.com/ageron/handson-ml2

3、AppliedML

如果你喜欢看视频，这有一个深入scikit-learn和机器学习的内容，免费。这套课程名叫AppliedML，YouTube上的地址在此：

https://www.youtube.com/channel/UCMEXgDffQy6nS2a74Gby8ZA/videos

4、官方教程

最后，推荐最新的TF2.0入门教程。地址：

tensorflow.org/tutorials/

安装TF2.0

TensorFlow 2.0支持如下的64位操作系统：