點擊“小詹學Python”，選擇“置頂”公眾號

重磅干貨，第一時間送達

本文轉(zhuǎn)載自機器之心

TensorFlow 2.0 帶來了大量改變。谷歌工程師 Cassie Kozyrkov 表示：之前的 TensorFlow 已死，而新版 TensorFlow 使它獲得重生。

如果你是 AI 鐵粉，但恰好沒看到這個重大新聞，這可能就像在地震來臨之際打了個盹。一切都將改變。

這是什么？TensorFlow 的 logo？還是回答真/假判斷題的字母？

去年我寫了 9 件關于 TensorFlow 你需要了解的事。但是你需要明確知道的一件事是：TensorFlow 2.0 到來了！

一場新革命！歡迎來到 TensorFlow 2.0。

這是一次顛覆性的改造。TensorFlow 2.0 的到來將對每個行業(yè)造成巨大的連鎖反應，等著瞧吧。如果你是 2019 年剛開始用 TF 的新手，那你就特別幸運了，因為你選擇了最好的時間進入 AI 的世界（如果你的舊教程中有「session」一詞，你可能想從頭開始）。

簡而言之：TensorFlow 已經(jīng)覆蓋了 Keras！請站穩(wěn)、扶好。

扎心的體驗

我對很多人熱愛 TensorFlow1.x 表示懷疑。這像是人工智能的工業(yè)車床，它對用戶友好。但充其量，你可能只因為它能完成令人難以置信的 AI 任務而對它心懷感激而已。

如果你說 TensorFlow 1.x 很容易上手，那你可能會遭到別人的白眼。它陡峭的學習曲線使普通用戶望而卻步，而掌握了它就像你在失去腳趾的情況下登頂了珠峰。有趣嗎？不。

你不是一個人——每個人對 TensorFlow 1.x 教程的感覺都是這樣的……

TensorFlow 的核心優(yōu)勢在于性能。它的設計是為了將模型能從研究遷移到大規(guī)模生產(chǎn)中，但是 TF 1.x 讓你心力交瘁。堅持下去，你就能夠加入 ML 從業(yè)者的行列，他們用它做很多不可思議的事情，比如尋找新的行星、探索先進的醫(yī)療手段。

然而，如此強大的工具掌握在如此少的人手中，真是可惜······不過現(xiàn)在，情況不同了。

不要擔心張量（tensor）是什么。以前它被稱作（廣義）矩陣。TensorFlow 這個名稱是對 TF 非常擅長執(zhí)行涉及多維數(shù)組（呃，矩陣）的分布式計算這一事實的肯定，這在 AI 領域是經(jīng)常出現(xiàn)的。（圖源：http://karlstratos.com/drawings/drawings.html）

可愛又迷人的角色——Keras

我們已經(jīng)介紹了扎心的「仙人球」，現(xiàn)在來談談你真正想要擁抱的東西。我在工作的地方無意中聽到一句話：「我想我真的很喜歡 Keras。」

Keras 是一個逐層構建模型的規(guī)范，它與多個機器學習框架一起工作（所以它不是 TF 的工具），但你可能知道從 TensorFlow 中可以訪問其高級 API tf.keras。

Keras 由純 Python 編寫而成，它總是以人為本——設計靈活、簡單易學。

魚和熊掌能兼得嗎？

為什么我們必須在 Keras 的簡單操作和傳統(tǒng) TensorFlow 的強大性能之間做出抉擇？怎么才能兼得呢？

魚和熊掌可以兼得——這就是 TensorFlow 2.0。

圖中是 TensorFlow 2.0。網(wǎng)址：https://www.tensorflow.org/overview，你可以在該網(wǎng)頁隨意嘗試這些橙色按鈕。

「我們認為你不需要在簡單的 API 和可擴展的 API 之間做出選擇。我們想要一個更高級的 API，帶你直接從 MNIST 到天上繁星。」——Karmel Allison，Google TensorFlow 工程負責人

易用性革命

展望未來，Keras 將成為 TensorFlow 的高級 API，它已經(jīng)經(jīng)過了擴展，因此你可以直接從 tf.keras 使用 TensorFlow 的所有高級功能。

所有 TensorFlow 都具備 Keras 的易用性，可在各種規(guī)模和各種硬件上使用。

在新版本中，所有你最討厭的 TensorFlow1.x 特性都沒有了。只是為了將兩個數(shù)字加在一起，就必須采用「暗黑」操作？再見。TensorFlow Sessions？再見。用一百萬種方法做同樣的事情？再見。切換硬件或規(guī)模就要重寫代碼？再見。要寫一大堆的樣板文件？再見。可怕的無法執(zhí)行的錯誤信息？再見。陡峭的學習曲線？再見。

TensorFlow 已成為過去時，TensorFlow 2.0 萬歲！

你覺得會有大陷阱是嗎？性能會變得糟糕？再猜！我們不會放棄性能。

TensorFlow 現(xiàn)在很可愛，這是一個游戲規(guī)則改變者，因為它意味著我們這個時代最強大的工具之一撤掉了它的高墻。各行各業(yè)的技術愛好者都有了參與其中的權利，因為新版本的開放讓研究人員不再頭疼，也讓那些使用以前版本而遭受「痛苦經(jīng)歷」的人能再度積極參與其中。

我們這個時代最強大的工具之一撤掉了它的高墻。

TensorFlow 2.0 歡迎所有人。

令人滿意的 Eager

在 TensorFlow 2.0 中，eager execution 是默認模式。甚至在 eager context 中，你也可以利用圖，使調(diào)試和原型設計變得簡單，而 TensorFlow 運行時則負責底層性能和擴展。

TensorFlow 1.x（聲明式編程）中的糾纏圖讓許多人摸不著頭腦，但現(xiàn)在，eager execution（命令式編程）讓大家擺脫了這個噩夢。如果你之前沒學習過這部分，那就更好了。TF 2.0 對每個人來說都是一個新的開始。

簡單到一個就足夠

許多 API 在 TensorFlow Keras 下得到了整合，所以現(xiàn)在你更容易知道什么時候應該使用什么。例如，現(xiàn)在只需要使用一組優(yōu)化器和一組度量標準。需要設置多少層？你猜到了！一個！這就是 Keras 的風格。

事實上，整個工具生態(tài)系統(tǒng)得到了一次大掃除，從數(shù)據(jù)處理流程到簡單的模型導出，再到 TensorBoard 與 Keras 的集成，現(xiàn)在只要一行即可實現(xiàn)！

還有一些很棒的工具可以切換和優(yōu)化分布策略，從而獲得驚人的擴展效率，同時又不會失去 Keras 本身的便利性。

這些分布策略都很棒，不是嗎？

問題

如果性能不是問題，那一定還有別的陷阱對吧？

事實上，到目前為止，問題就是用戶等待了太久。TensorFlow 在開發(fā)一個友好的版本時，要求用戶有相當多的耐心。這不是故意刁難用戶。開發(fā)深度學習工具是一個新的領域，我們一直在沿著這個方向前進。彎路是不可避免的，但我們在此過程中學到了很多東西。

這不是故意刁難用戶。深度學習是一個未知的領域。

TensorFlow 社區(qū)投入了大量的精力來創(chuàng)造這份奇跡，然后再次付出更多的努力打磨這顆最好的寶石，同時打磨掉不好的設計。這個計劃不會強迫你永遠使用未磨好的「原石」，但也許你已經(jīng)習慣了這種不舒服，你沒有意識到這是暫時的。感謝你的耐心等待！

我們不會放棄性能！

回報就是你所欣賞的關于 TensorFlow 1.x 的一切都還在，它們在一致的 API 下，且刪除了大量的重復功能，因此使用起來更清晰。即使是錯誤信息，也清理得簡明扼要、易于理解、易于操作。它的性能仍然強大！

最重要的事情

hater 可能會說 v2.0 中的大部分特性都可以在 v1.x 中拼湊出來，只要你搜索得足夠多，所以有什么可大驚小怪的呢？好吧，不是每個人都想花費時間在沙里淘金。改造和清理工作值得大家的掌聲。但這不是最重要的事情。

不容錯過的一點是：TensorFlow 剛剛宣布了對易用性的關注，這一點不容妥協(xié)。

這是人工智能民主化進程中前所未有的一步！

AI 可自動執(zhí)行任務，你無需再想相關的說明。它可以自動化描述不出的內(nèi)容。民主化意味著大規(guī)模的人工智能將不再是少數(shù)精英的專屬了。

現(xiàn)在任何人都可以引舵！

想象一下未來「我知道如何用 Python 開發(fā)東西」和「我知道如何用 AI 開發(fā)東西」同樣司空見慣，這幾乎可以用「顛覆」二字來形容。

遷移

我們知道升級到新版本是一項艱苦的工作，尤其是當這些變化如此巨大時。如果你準備將代碼庫遷移至 2.0，那么你并不孤單，Google 將執(zhí)行同樣的操作，谷歌擁有世界上最大的代碼庫。隨著我們的深入，我們將分享遷移指南來幫助大家。

我們提供了很好的工具來簡化遷移。

如果你依賴于特定的功能，那么除了 contrib 其他都沒什么問題，所有 TF 1.x 的功能都將存在于 compat.v1 兼容模塊中。我們還提供一個腳本（http://bit.ly/tfupgrade），它會自動更新代碼，使其在 TensorFlow 2.0 上運行。更多信息參見以下視頻：

如果你希望深入了解 TF 2.0 和如何處理代碼片段，那么這個視頻是一個很好的資源。

對小白來說

TF 2.0 是初學者的天堂，所以對于那些一直期待看著菜鳥們遭遇過來人痛苦的人來說，這不會發(fā)生了。

如果你希望使用 TensorFlow 來欺負新員工，你可能需要「另辟蹊徑」了。

如果你是 TensorFlow 初學者，你可能會在 AI 派對上遲到，但是很多人都會遲到。現(xiàn)在就是入場的最佳時間！

待在場外可能是明智的選擇，因為現(xiàn)在才是入場的最佳時機。2019 年 3 月，TensorFlow 2.0 Alpha 版本已經(jīng)可用，所以現(xiàn)在學習它可以讓你及時準備好迎接下個季度發(fā)布的完整版本。

TF 2.0 是初學者的天堂。

隨著 TF 2.0 的大量變化，你不會成為當初想象的那種初學者。比賽場地變得平坦，比賽變得更加輕松，而且有一個座位專門為你而留。歡迎！我很高興你終于到了這里，我希望你和我一樣對這個新世界感到興奮。

加入吧！

查看重新設計的 tensorflow.org（http://bit.ly/tfdotorg），獲取教程、示例、文檔和工具，來幫助入門……或者直接使用以下命令：

pip?install?tensorflow?==?2.0.0-alpha0

詳細說明參見：http://bit.ly/tfalpha。

原文鏈接：https://hackernoon.com/tensorflow-is-dead-long-live-tensorflow-49d3e975cf04?sk=37e6842c552284444f12c71b871d3640

推薦閱讀

Python 中實用卻不常見的小技巧！

與50位技術專家面對面20年技術見證，附贈技術全景圖

總結(jié)

以上是生活随笔為你收集整理的TensorFlow的新生！的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。