TensorFlow 2.3.0 正式發(fā)布了，主要特性和改進(jìn)包括：

• tf.data添加了兩種新機(jī)制來解決輸入管道瓶頸并節(jié)省資源
• snapshot
• tf.data service.

　　可查看使用 TF Profiler 分析輸入管道性能的詳細(xì)指南。

• tf.distribute.TPUStrategy現(xiàn)在是一個(gè)穩(wěn)定的 API，不再被視為 TensorFlow 的實(shí)驗(yàn)版本。 （先前的tf.distribute.experimental.TPUStrategy）。
• TF Profiler 引入了兩個(gè)新工具：一個(gè)用于在一段時(shí)間內(nèi)可視化模型內(nèi)存使用情況的內(nèi)存分析器，以及一個(gè)允許用戶在模型中跟蹤 python 函數(shù)調(diào)用的 python 跟蹤器。可用性方面的改進(jìn)包括更好的診斷消息和配置文件選項(xiàng)，以自定義主機(jī)和設(shè)備跟蹤的詳細(xì)程度。
• 引入了對(duì) Keras 預(yù)處理層 API（tf.keras.layers.experimental.preprocessing.*）的實(shí)驗(yàn)支持，以處理數(shù)據(jù)預(yù)處理操作，并支持復(fù)合張量輸入。
• 現(xiàn)在，TFLite 能夠在轉(zhuǎn)換和推理期間正確支持動(dòng)態(tài)形狀。新版本還為 XNNPACK（高度優(yōu)化的 CPU 內(nèi)核集）在 Android 和 iOS 上增加了選擇加入支持，并為在 GPU 上執(zhí)行量化模型提供了選擇加入支持。
• 從此版本開始，GCS 中提供了 Libtensorflow 軟件包。這些軟件包的 nightly 版本也已經(jīng)開始發(fā)布。
• 實(shí)驗(yàn)性的 Python API tf.debugging.experimental.enable_dump_debug_info () 現(xiàn)在允許檢測(cè) TensorFlow 程序并將調(diào)試信息轉(zhuǎn)儲(chǔ)到文件系統(tǒng)上的目錄中。該目錄可以通過 TensorBoard 2.3 中稱為 Debugger V2 的新交互式儀表板進(jìn)行讀取和可視化，其中顯示了 TensorFlow 程序的詳細(xì)信息，包括圖形結(jié)構(gòu)、Python（eager）和圖形內(nèi)級(jí)別的 op 執(zhí)行歷史、張量的運(yùn)行時(shí) dtype、形狀和數(shù)值組合及其代碼位置。

　　更新說明：https://github.com/tensorflow/tensorflow/releases/tag/v2.3.0

總結(jié)

以上是生活随笔為你收集整理的TensorFlow 2.3.0正式发布的全部?jī)?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(cuò)，歡迎將生活随笔推薦給好友。