TensorFlow 2.3.0 正式发布

内容简介：TensorFlow 2.3.0 正式发布了，主要特性和改进包括： tf.data 添加了两种新机制来解决输入管道瓶颈并节省资源 snapshot tf.data service. 可查看使用 TF Profiler 分析输入管道性能的详细指南。 tf.distribute.TP...

TensorFlow 2.3.0 正式发布了，主要特性和改进包括：

• tf.data 添加了两种新机制来解决输入管道瓶颈并节省资源
  • snapshot
  • tf.data service.

可查看使用 TF Profiler 分析输入管道性能的详细指南。

• tf.distribute.TPUStrategy 现在是一个稳定的 API，不再被视为 TensorFlow 的实验版本。 （先前的tf.distribute.experimental.TPUStrategy）。
• TF Profiler 引入了两个新工具：一个用于在一段时间内可视化模型内存使用情况的内存分析器，以及一个允许用户在模型中跟踪 python 函数调用的 python 跟踪器。可用性方面的改进包括更好的诊断消息和配置文件选项，以自定义主机和设备跟踪的详细程度。
• 引入了对 Keras 预处理层 API（tf.keras.layers.experimental.preprocessing.*）的实验支持，以处理数据预处理操作，并支持复合张量输入。
• 现在，TFLite 能够在转换和推理期间正确支持动态形状。新版本还为 XNNPACK（高度优化的 CPU 内核集）在 Android 和 iOS 上增加了选择加入支持，并为在 GPU 上执行量化模型提供了选择加入支持。
• 从此版本开始，GCS 中提供了 Libtensorflow 软件包。这些软件包的 nightly 版本也已经开始发布。
• 实验性的 Python API tf.debugging.experimental.enable_dump_debug_info()  现在允许检测 TensorFlow 程序并将调试信息转储到文件系统上的目录中。该目录可以通过 TensorBoard 2.3 中称为 Debugger V2 的新交互式仪表板进行读取和可视化，其中显示了 TensorFlow 程序的详细信息，包括图形结构、Python（eager）和图形内级别的 op 执行历史、张量的运行时 dtype、形状和数值组合及其代码位置。

更新说明：https://github.com/tensorflow/tensorflow/releases/tag/v2.3.0

 

以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持 码农网

查看所有标签

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。