重磅！TensorFlow 2.0即将发布，易用性不再是问题

下面是 TensorFlow 工程师 Martin Wicke 发给用户的邮件内容：

自 2015 年开源发布以来，TensorFlow 已成为全球应用最广泛的机器学习框架，可满足广泛的用户和用例需求。在此期间，随着计算硬件、机器学习研究和商业部署的快速发展，TensorFlow 不断得以改善。

为了适应快速的变化，我们已经开始研究 TensorFlow 的下一个主要版本。TensorFlow 2.0 将是一个重要的里程碑，重点在于易用性。以下是 TensorFlow 2.0 值得用户期待的几点：

• Eager execution 将是 2.0 的核心功能。它将用户对编程模型的期望与 TensorFlow 实践更好地结合起来，并且使 TensorFlow 更易于学习和应用。

• 通过交换格式的标准化和 API 的协调，支持更多平台和语言，并改善组件之间的兼容性和奇偶性。

• 我们将删除已弃用的 API，并减少会给用户带来困扰的副本数量。

我们计划在今年晚些时候发布 TensorFlow 2.0 的预览版。

不久，我们将举行一系列公共设计评审（https://github.com/tensorflow/community/blob/master/governance/TF-RFCs.md ），它会涵盖 2.0 的变更计划。在此过程中我们将揭示 TensorFlow 2.0 的新功能，并允许社区提出修改意见和疑问。请加入 developers@tensorflow.org，以便查看有关流程的评论和更新公告，我们希望在发布预览版本后可以获得大家的反馈。

TensorFlow 2.0 是一个纠正错误并进行改进的机会，这些改进在语义化版本（semantic versioning，https://www.google.com/url?q=https%3A%2F%2Fsemver.org%2F&sa=D&sntz=1&usg=AFQjCNHN9VR9egaCClOrpfZLImRU8IdR7Q ）中是被禁止的。

为了简化过渡过程，我们将创建一个转换工具，用于更新使用 TensorFlow 2.0 兼容 API 的 Python 代码，或者在无法自动进行此类转换时发出警告。在过渡到 1.0 时，类似的工具曾发挥巨大作用。

并非所有更改都可以完全自动完成。例如，我们将弃用某些 API，其中一些 API 没有直接的替代物。对于这种情况，我们将提供兼容模块（tensorflow.compat.v1），其中包含完整的 TensorFlow 1.x API，其将在 TensorFlow 2.x 的生命周期内继续维护。

当最终版本的 TensorFlow 2.0 发布后，我们预计不会对 TensorFlow 1.x 进行进一步的功能开发。但从 TensorFlow 2.0 发布之日起，我们将在一年时间内继续为 TensorFlow 1.x 发布安全补丁。

我们未计划对 SavedModels 或存储 GraphDef 进行重大更改（即我们计划在 2.0 中包含所有当前内核）。但是，2.0 中的更改将意味着原始检查点中的变量名称可能必须在与新模型兼容之前进行转换。

单个存储库已无法维护和支持 TensorFlow 的 contrib 模块。较大规模的项目最好单独进行维护，而我们将在 TensorFlow 的主代码里添加一些规模较小的扩展。因此，TensorFlow 2.0 中，我们将停止分发 tf.contrib。未来几个月，我们将与用户协商制定详细的迁移计划，包括如何在社区页面和文档中公布 TensorFlow 扩展。

对于每个 contrib 模块，我们将 a）项目集成到 TensorFlow 中；或 b）将其移至单独的存储库或 c）将其完全删除。这意味着所有 tf.contrib 都将被弃用，并且我们从今日起停止添加新的 tf.contrib 项目。现在，我们正在寻找 tf.contrib 很多项目的所有者或维护者，如果您有兴趣，请联系我们。

有关开发或迁移到 TensorFlow 2.0 的问题，请发送电子邮件至 discuss@tensorflow.org。想要及时了解 2.0 开发的详细信息，请订阅 developers@tensorflow.org，并参与相关的设计审核。

邮件原文链接：

https://groups.google.com/a/tensorflow.org/forum/?utm_medium=email&utm_source=footer#!msg/announce/qXfsxr2sF-0/jHQ77dr3DAAJ

如果你喜欢这篇文章，或希望看到更多类似优质报道，记得给我留言和点赞哦！