谷歌TensorFlow 2.2.0正式发布：道别Python 2，拥抱Python 3

本篇文章1100字，读完约3分钟

Tensorflow 2.2.0正式发布，这个版本终止了对python 2的支持。目前，新的tensorflowdocker映像版本仅提供python 3。

将字符串张量的标量类型从标准字符串替换为张量流字符串

tf 2的cpu/gpu/tpu新剖析器。它提供设备和主机性能分析，包括输入管道和tf操作。

不建议使用swig，但是使用pybind11将c++函数导出到python，这是放弃swig的努力的一部分。

tf.distribute:

通过使用新添加的 TF . keras . layers . experial . syncbatchnormalization层，增加了对全局同步 batchnormalization的支持。该层在参与同步训练的所有副本之间同步批处理化统计信息。

使用TF . distribution . experimental . multi worker mirrorred策略来提高gpu多路复用和分布式训练的性能

将nvidia nccl更新到2.5.7-1，以获得更好的性能和性能调整。

支持浮动16中的梯度减小。

所有实验都减少了梯度压缩，允许使用反向路径计算进行重叠梯度聚合。

实验运行v2方法被放弃。

为分发服务器添加合成器或支持。这应该有助于防止不必要的功能跟踪和内存泄漏。

tf.keras:

模型的主要改进。适合:

您可以将自定义训练逻辑与模型相结合。通过覆盖模型来适应。训练_步骤..

编写最新的训练周期很容易，不用担心所有的功能(分发策略、回调、数据格式、周期逻辑等)。)那个型号。适合你的把手

Savedmodel现在使用自己的模型。_ saved _ model _ inputs _ specattr，而不是依赖不再为子类模型设置的model.inputs和model.input _ names。

生成器支持动态形状。

现在，savedmodel格式支持所有keras内置层(包括索引、预处理层和有状态rnn层)。

更新keras批处理规范化层，以便在fused_batch_norm中使用运行平均值和平均计算。

tf.lite:

默认情况下，tflite的实验性新转换器处于启用状态。

xla

Xla现在可以在windows上构建和运行。Xla包含在所有预先构建的软件包中。

可以使用cpu和gpu上的“编译或抛出异常”语义为tf.function启用Xla。

新版本包含大量的错误修复等。有关详细信息，请参见更新说明:

github/tensorflow/tensorflow/releases/tag/v 2 . 2 . 0