TensorFlow 2.1.0-rc1 發布了,TensorFlow 2.1 將是支持 Python 2 的最後一個 TF 版本。Python 2 的支持將於 2020 年 1 月 1 日正式結束,TensorFlow 也將從該日起停止支持 Python 2,並且預計在 2019 年將不再發布新的版本。
主要特性和改進如下:
- tensorflow pip 軟體包現在默認包括針對 Linux 和 Windows 的 GPU 支持(與 tensorflow-gpu 相同)。它可以在帶有和不帶有 NVIDIA GPU 的機器上運行。 tensorflow-gpu 仍然可用,對於關心軟體包大小的用戶,可以 在tensorflow-cpu 上下載僅 CPU 的軟體包。
- tensorflow pip 軟體包使用 CUDA 10.1 和 cuDNN 7.6 構建。
-
tf.keras
-
Model.fit_generator
、 Model.evaluate_generator
、 Model.predict_generator
、 Model.train_on_batch
、 Model.test_on_batch
和 Model.predict_on_batch
方法現在尊重 run_eagerly 屬性,並且默認情況下將使用 tf.function 正確運行。
-
Model.fit_generator
、 Model.evaluate_generator
和 Model.predict_generator
是已棄用的端點。它們包含在 Model.fit、Model.evaluate 和 Model.predict 中,現在支持生成器和序列。
- 只要在範圍內構建模型,就可以將 Keras .compile .fit .evaluate 和 .predict 置於 DistributionStrategy 範圍之外。
- Keras model.load_weights 現在接受 skip_mismatch 作為參數。它在外部 Keras 中可用,現已複製到 tf.keras 中。
- 引入了 TextVectorization 層,該層將原始字元串作為輸入,並負責文本標準化、標記化、n-gram 生成和辭彙索引。
- Cloud TPU Pod 提供了對 Keras .compile、.fit、.evaluate 和 .predict 的實驗支持。
- 為 Cloud TPU 啟用了自動外部編譯。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 的動態批量大小。
- GPU 和 Cloud TPU 提供了對混合精度的實驗支持。
- TensorFlow Model Garden 提供了許多流行模型的 Keras 參考實現。
-
tf.data
- 更改 tf.data 數據集的重新編錄+分發策略以提高性能。請注意,數據集的行為也略有不同,因為重新標記的數據集基數將始終是副本數的倍數。
-
TensorRT
- 現在默認情況下支持並啟用 TensorRT 6.0。這增加了對更多 TensorFlow 操作的支持,包括 Conv3D,Conv3DBackpropInputV2,AvgPool3D,MaxPool3D,ResizeBilinear 和 ResizeNearestNeighbor。此外,TensorFlow-TensorRT python 轉換 API 導出為 tf.experimental.tensorrt.Converter。
- 添加了環境變數 TF_DETERMINISTIC_OPS。當設置為 「true」 或 「1」 時,此環境變數使 tf.nn.bias_add 確定性地(即可重複地)運行,但當前僅當未啟用 XLA JIT 編譯時才運行。這使得 Keras Conv*D 和 MaxPool*D 層在啟用 CUDA 的 GPU 上運行時可確定地在向前和向後兩個方向上運行。
詳情見更新說明:
https://github.com/tensorflow/tensorflow/releases/tag/v2.1.0-rc1