谷歌开发者大会：正式推出 TensorFlow 2.0 RC 版

与非网 9 月 12 日讯，为期两天 2019 谷歌开发者大会将于今天下午结束，目前谷歌开发者大会还在举行中，今天，在谷歌开发者大会上“TensorFlow 主旨演讲：机器学习的现在和未来”演讲上，谷歌正式推出 TensorFlow 2.0 RC 版，据谷歌官方介绍称，随着 TensorFlow 逐渐成为端到端的成熟平台，它更加易于使用、强大、可拓展。

据资料显示，TensorFlow 是端到端的开源机器学习平台。TensorFlow 以及世界上的其他机器学习技术一起都在不断发展和完善。在此主旨演讲中，TensorFlow 的几位产品经理将向大家介绍 ensorFlow 的最新功能及未来发展方向。演讲内容将涵盖 TF 2.0 及 TensorFlow 生态系统的最新发展情况。

根据 TF 2.0.0-rc0 的发布日志，它包含的主要特性和提升有：
便捷的基于 Keras 和 Eager Execution（动态图）的模型构建
在任何平台的产品中的鲁棒的模型部署
面向研究的强大的实验方法
通过减少重复 API 和移除废弃点获得的 API 简化

一些值得注意的特性：
TF 2.0 将 Keras 作为核心的构建和训练模型的 API。
TF 2.0 可以用 tf.distribute.Strategy API 在最小代码改动的情况下实现分布式训练。
用 Functions 而不是 Sessions。可以通过写普通 Python 函数加 tf.function 注解的方式来构建可以远程执行、序列化和性能优化的图。
统一 tf.train.Optimizers 和 tf.keras.Optimizers。在 TF 2.0 中使用 tf.keras.Optimizers。compute_gradients 被从公共 API 中移除，现在用 GradientTape 来计算梯度。
AutoGraph 将 Python 控制流翻译为 TensorFlow 表达式，允许用户在使用 tf.function 装饰的函数中使用普通的 Python 语句。
统一了 SavedModel 的交换格式。所有的 TensorFlow 生态圈项目(TensorFlow Lite, TensorFlow JS, TensorFlow Serving, TensorFlow Hub)都兼容 SavedModels。
API 变动：许多 API 被重命名或移除，或参数名被修改。许多改变的动机是考虑到一致性和清晰性。TF 1.x 的 API 在 compat.v1 模块中依然可用。
API 清理，包括 tf.app、tf.flags 和 tf.logging，因为考虑到对 absl-py 的喜爱。
没有了全局变量，以及相应的帮助函数，比如 tf.global_variables_initializer 和 tf.get_global_step。

与非网整理自网络！