内容简介：TensorFlow 2.2.0 正式发布了，该版本终止了对 Python 2 的支持。现在，新的 TensorFlow Docker 镜像版本仅提供 Python 3。 主要特性和改进 将字符串张量的标量类型从 std::string 替换为 tensorflow::tstring TF...
TensorFlow 2.2.0 正式发布了，该版本终止了对 Python 2 的支持。现在，新的 TensorFlow Docker 镜像版本仅提供 Python 3。
主要特性和改进
- 将字符串张量的标量类型从
std::string替换为tensorflow::tstring - TF 2 的新 Profiler，用于 CPU/GPU/TPU。它提供设备和主机性能分析，包括输入管道和 TF Ops。
- 不推荐使用 SWIG，而是使用 pybind11 将 C++ 函数导出到 Python，这是弃用 Swig 所作努力的一部分。
tf.distribute：- 通过使用新添加的 tf.keras.layers.experimental.SyncBatchNormalization 层，添加了对全局同步 BatchNormalization 的支持。该层将在参与同步训练的所有副本之间同步 BatchNormalization 统计信息。
- 使用 tf.distribute.experimental.MultiWorkerMirroredStrategy 提高 GPU 多工分布式培训的性能
- 将 NVIDIA NCCL 更新到 2.5.7-1，以获得更好的性能和性能调整。
- 支持在 float16 中减少梯度。
- 所有实验的支持都减少了梯度压缩，以允许使用反向路径计算进行重叠梯度聚合。
- 弃用
experimental_run_v2方法。 - 添加对 DistributedIterators 的 CompositeTensor 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：Model.fit的主要改进：- 可以通过覆盖 Model.train_step 将自定义训练逻辑与 Model.fit 结合使用。
- 轻松编写最新的培训循环，而不必担心 Model.fit 为你处理的所有功能（分发策略，回调，数据格式，循环逻辑等）
- SavedModel 现在使用其自己的
Model._saved_model_inputs_specattr 而不是依赖于不再为子类 Model 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（包括指标，预处理层和有状态 RNN 层）。
- 更新 Keras 批处理规范化层，以使用
fused_batch_norm中的运行平均值和平均值计算。
tf.lite：- 默认情况下启用 TFLite 实验性新转换器。
- XLA
- XLA 现在可以在 Windows 上构建并运行。所有预构建的软件包都随附有 XLA。
- 可以在 CPU 和 GPU 上使用“编译或抛出异常”语义为 tf.function 启用 XLA。
新版本包含大量 bug 修复等，详情可见更新说明：
https://github.com/tensorflow/tensorflow/releases/tag/v2.2.0
以上所述就是小编给大家介绍的《TensorFlow 2.2.0 正式发布》，希望对大家有所帮助，如果大家有任何疑问请给我留言，小编会及时回复大家的。在此也非常感谢大家对 码农网 的支持！
猜你喜欢:
- NPM包（模块）发布、更新、撤销发布
- 有赞灰度发布与蓝绿发布实践
- 【重磅发布】Linkis 0.10.0 版本发布
- BeetlSQL 3.0.9 发布，Idea 插件发布
- 贝密游戏 0.7.0 发布，发布斗地主
- 【重磅发布】DataSphere Studio 0.9.0 版本发布
本站部分资源来源于网络，本站转载出于传递更多信息之目的，版权归原作者或者来源机构所有，如转载稿涉及版权问题，请联系我们。
