TensorFlow 2.0——開發(fā)者測試版來了！谷歌TF團隊提供了一個“晚間版”，每晚更新，歡迎試用吐槽。

現在可以上手TensorFlow 2.0了！

谷歌機器智能團隊負責分布式系統(tǒng)和并行計算的 Martin Wicke 今天在官博發(fā)布文章，介紹了名為 “TF2.0 晚間版”的版本，實際上是一個TensorFlow 2.0的開發(fā)者測試版。

聽說過開發(fā)者版或者測試版，但沒想到還有一個“開發(fā)者測試版”。

Wicke 表示，大家都知道谷歌TF團隊正在努力籌備TensorFlow 2.0的發(fā)布?，F階段工作還在進行中，但是，對于那些想要搶先一步體驗最前沿技術的開發(fā)者，現在有一個好消息——

TensorFlow 2.0的夜間版(nightly build version)，可在pypi上預覽發(fā)布使用：

tf-nightly-2.0-preview

tf-nightly-gpu-2.0-preview

也可以通過將 —config = v2 傳遞給 bazel命令 (運行configure之后) 從源構建。TensorFlow 2.0是從同一個源代碼樹構建的，因此如果你想從源代碼構建，只需從master構建即可。

從https://www.tensorflow.org/versions/r2.0/api_docs/python/tf(點擊“閱讀原文”訪問) 獲取TF開發(fā)團隊每晚新生成的文檔。由于夜間版正在積極開發(fā)中，因此文檔有時可能會過時或者不完整。

Wicke表示，在TensorFlow 2.0的開發(fā)過程中，團隊專注于可用性，并對定義 (specify) 和運行計算的方式做了重大更改。2018年秋季發(fā)布的RFC就體現了這一重大變化。

很多開發(fā)者都在 TF1.x 版本上做了大量共享 (對此谷歌TF團隊表示很是感激！)。他們認為2.0版本將帶來許多好處，讓開發(fā)者的升級路徑盡可能順利。

pip軟件包附帶一個轉換器工具，可以升級 (大多數的) 1.x TensorFlow代碼，因此它可以在每晚安裝2.0的情況下運行。tf_upgrade_v2這個工具使用了很多與 tf.compat.v1兼容的模塊，包含在TensorFlow 1.x中所有的符號及其原始行為。需要注意的是，這個升級工具也處于開發(fā)當中，所以有可能無法在復雜項目上運行。

目前，這個TF2.0的晚間版本仍然不完整，并且正處于大力發(fā)展中。因此，谷歌TF團隊不保證其穩(wěn)定性，也知道這一版還欠缺一些功能 (例如，僅支持某些分發(fā)機制，特別是TPU支持還不完整)，此外TensorFlow生態(tài)系統(tǒng)中相關的項目 (例如TFHub) 也還沒有更新到能夠和TensorFlow 2.0一起使用。

Wicke表示，他們將在 TF2.0-alpha 版本發(fā)布之前解決這些問題。

如果你試用了 TF2.0的這個晚間版，歡迎隨時反饋你發(fā)現的問題。除了晚間版本身，對轉換器工具和升級體驗的反饋對都極具價值。

如何反饋問題？

在過去的幾年里，TensorFlow開發(fā)團隊通過審查了RFC，添加了許多新特性，并實現了TensorFlow 2.0的大部分功能。

這是該框架一個重要的里程碑，重點是易用性。

TensorFlow的成功離不開社區(qū)不懈的努力。TensorFlow團隊也呼吁用戶們在使用該產品的同時能夠積極的將出現的問題進行反饋。

什么是好的問題反饋？

反饋一個bug

請在GitHub上提交所有的bug、錯誤和特性 (pecularity)。文檔和實現之間的差異、缺乏文檔、性能問題或兼容性問題都是可以反饋的內容。在反饋問題的時候，需要對問題進行詳細的說明，并使用團隊提供的“問題反饋模板”來進行操作：

Bug/性能相關問題：

https://github.com/tensorflow/tensorflow/issues/new?template=00-bug-performance-issue.md

構建/安裝相關問題：

https://github.com/tensorflow/tensorflow/issues/new?template=10-build-installation-issue.md

文檔相關問題：

https://github.com/tensorflow/tensorflow/issues/new?template=20-documentation-issue.md

其它問題：

https://github.com/tensorflow/tensorflow/issues/new?template=50-other-issues.md

若是一般性問題，可以將其提交到標記tensorflow的StackOverflow，或者提發(fā)送至郵箱discuss @ mailing group。

提交功能請求

若是有功能相關的請求，可以在GitHub上進行提交：

功能請求：

https://github.com/tensorflow/tensorflow/issues/new?template=30-feature-request.md

TensorFlow Lite Op請求：

https://github.com/tensorflow/tensorflow/issues/new?template=40-tflite-op-request.md

發(fā)送體驗報告

如果想提交關于TensorFlow的一般反饋(特別是關于TensorFlow 2.0)，請考慮提交friction log!

friction log是對產品進行吐槽或者贊美的文檔，主要圍繞特定的用例(例如，創(chuàng)建用于文本分類的LSTM模型)。

有關TensorFlow friction log的模板和示例，見下方鏈接：

https://docs.google.com/document/d/1_-0Zzn0hqS4ltLwqWAHm41-MgE60_9zlKyPHr5c-HCs/edit?usp=sharing

完成此類文檔后，需將其通過電子郵件發(fā)送給測試團隊：

testing@tensorflow.org

如何參與？

從現在到TensorFlow 2.0預覽版發(fā)布之前，團隊將積極維護一個討論組，以此來解決出現的任何問題、評論、建議或問題。

特殊興趣小組(Special Interest Group，SIG)

TensorFlow的特殊興趣小組(SIG)，支持社區(qū)在特定項目上的合作。這些小組的成員共同構建和支持TensorFlow或與其相關項目的特定部分。

若是想要加入有關特定主題的討論，可以訂閱以下SIG郵件列表：

TensorBoard：

插件開發(fā)、討論和對TensorFlow可視化工具的貢獻。

https://groups.google.com/a/tensorflow.org/d/forum/sig-tensorboard

網絡：

添加gRPC以外的網絡協(xié)議。

https://groups.google.com/a/tensorflow.org/d/forum/networking

I/O：

支持核心TensorFlow中不可用的文件系統(tǒng)和格式。

https://groups.google.com/a/tensorflow.org/d/forum/io

附加組件：

TensorFlow的擴展，符合穩(wěn)定的API。

https://groups.google.com/a/tensorflow.org/d/forum/addons

構建：

關于TensorFlow分發(fā)和打包的討論。

https://groups.google.com/a/tensorflow.org/d/forum/build

公布TensorFlow2.0設計過程，期待開發(fā)者積極參與

自2015年TensorFlow發(fā)布以來，它已經成為世界上使用最廣泛的機器學習框架，滿足了廣大的用戶和用例需求。在此期間，TensorFlow隨著計算硬件、機器學習研究和商業(yè)部署的快速發(fā)展而得到進步。

為了反映這些快速變化，在2018年年底，TF開發(fā)團隊就已經開始研究下一版本的TensorFlow。

TensorFlow 2.0將是一個重要的里程碑，重點關注易用性。以下是用戶對TensorFlow 2.0的期望：

Eager execution應當是2.0的核心功能。它將用戶對編程模型的期望與TensorFlow更好地結合起來，并且應該使TensorFlow更易于學習和應用。

通過交換格式的標準化和API的一致性，支持更多平臺和語言，并改善這些組件之間的兼容性和奇偶性。

將刪除已棄用的API并減少重復數量，否則會給用戶造成混淆。

TF開發(fā)團隊計劃舉行一系列公共設計評審。此過程將闡明即將成為TensorFlow 2.0一部分的功能，并允許社區(qū)提出修改意見。

兼容性和連續(xù)性

TensorFlow 2.0提供了一個糾正錯誤并進行改進的機會，而這些改進在語義版本控制下是禁止的。

為了簡化過度（transition），將創(chuàng)建一個轉換工具，該工具更新Python代碼以使用與TensorFlow 2.0兼容的API，或者在無法自動進行轉換的情況下會發(fā)出警告。

并不是所有的更改都可以完全自動進行。開發(fā)團隊將棄用一些沒有direct equivalent的API。

對于這種情況，將提供兼容模塊（tensorflow.compat.v1），其中包含完整的TensorFlow 1.x API，并會在TensorFlow 2.x的生命周期內進行維護。

一旦最終版本的TensorFlow 2.0發(fā)布，預計不會在TensorFlow 1.x上有任何進一步的功能開發(fā)。 從TensorFlow 2.0發(fā)布之日起，將繼續(xù)為TensorFlow 1.x版本發(fā)布一年的安全補丁。

磁盤（On-disk）兼容性

開發(fā)團隊將不打算對SavedModels或存儲的GraphDef進行重大更改（即，預計在2.0中包含所有當前版本的內核）。然而，2.0中的變化意味著在與新模型兼容之前，原始檢查點（raw checkpoint）中的變量名可能必須進行轉換。

tf.contrib

TensorFlow的contrib模塊已經超出了在單一存儲庫中可以維護和支持的功能。較大的項目單獨進行維護是比較好的，而開發(fā)團隊將隨著TensorFlow主代碼一起孵化更小的擴展。因此，作為發(fā)布TensorFlow 2.0的一部分，開發(fā)團隊將停止發(fā)布tf.contrib。

目前，所有 tf.contrib 更新都已經停止。接下來，TF團隊將與各自的所有者就詳細的遷移計劃進行合作，包括如何在社區(qū)頁面和文檔中公布你的TensorFlow擴展。對于每個contrib模塊：

將項目集成到TensorFlow中；

將其移至單獨的存儲庫；

或者將其完全刪除；

有關開發(fā)或遷移到TensorFlow 2.0的問題，請發(fā)送電子郵件至discuss@tensorflow.org。及時了解2.0開發(fā)的詳細信息，請訂閱developers@tensorflow.org，并參與相關的設計審核。

TensorFlow 三年發(fā)展里程碑

TensorFlow是谷歌大腦的第二代機器學習系統(tǒng)。

從0.8.0版本（發(fā)布于2016年4月）開始本地的支持分布式運行。

從0.9.0版本（發(fā)布于2016年6月）開始支持iOS。

從0.12.0版本（發(fā)布于2016年12月）開始支持Windows系統(tǒng)。該移植代碼主要由微軟貢獻。

1.0.0版本發(fā)布于2017年2月11日。雖然參考實現運行在單臺設備，TensorFlow可以運行在多個CPU和GPU（和可選的CUDA擴展和圖形處理器通用計算的SYCL擴展）。

2015年11月9日

宣布TensorFlow開源，根據 Apache 2.0 許可并以開放源代碼軟件包的形式發(fā)布了 TensorFlow API 和一個參考實現。

2015年12月

發(fā)布v0.6，支持GPU，Python 3.3

2016年4月

發(fā)布v0.8，分布式TensorFlow

2016年11月

發(fā)布v0.11，支持Windows

2017年2月

在首屆TensorFlow開發(fā)者峰會上，正式發(fā)布TensorFlow 1.0。v1.0的性能得到改進，API變得穩(wěn)定。TensorFlow1.0主要改進了機器學習功能，發(fā)布了XLA的實驗版本，對Python和Java用戶開放，提升了debugging，并且加入和改進了一些高級API，其中包括Keras。

2017年4月

發(fā)布v1.1，增加針對tf.keras的特性

2017年8月

發(fā)布v1.3，增加高級API，canned estimators，更多模型，原始TPU支持

2017年11月

發(fā)布v1.5，增加動態(tài)圖機制Eager Execution 和用于移動端的輕量級TensorFlow Lite版本

2018年3月

發(fā)布TF Hub, TensorFlow.js, 和TensorFlow Extended (TFX)

2018年5月

發(fā)布v1.6，增加支持Cloud TPU，模型和pipeline

2018年6月

發(fā)布v1.8，Distribution Strategy API, TensorFlow Probability

2018年8月

發(fā)布v1.10，整合Cloud Bigtable

2018年10月

發(fā)布v1.12，大量API改進，包括改進XLA穩(wěn)定性和性能，改進Keras模型支持

2019年

即將發(fā)布TensorFlow 2.0