TensorFlow2.0的预览版预计将于今年下半年发布

TensorFlow2.0，终于要来了！开发团队决定于今年下半年发布TensorFlow2.0预览版，更好的满足广大用户的需求。本文介绍了TensorFlow2.0预览版的新功能和特性。

自2015年TensorFlow发布以来，它已经成为世界上使用最广泛的机器学习框架，满足了广大的用户和用例需求。在此期间，TensorFlow随着计算硬件、机器学习研究和商业部署的快速发展而得到进步。

为了反映这些快速变化，开发团队已经开始研究下一版本的TensorFlow。TensorFlow 2.0将是一个重要的里程碑，重点关注易用性。以下是用户对TensorFlow 2.0的期望：

Eager execution应当是2.0的核心功能。它将用户对编程模型的期望与TensorFlow更好地结合起来，并且应该使TensorFlow更易于学习和应用。

通过交换格式的标准化和API的一致性，支持更多平台和语言，并改善这些组件之间的兼容性和奇偶性。

将删除已弃用的API并减少重复数量，否则会给用户造成混淆。

TensorFlow2.0的预览版预计将于今年下半年发布。

公布TensorFlow2.0设计过程

不久，开发团队将举行一系列公共设计评审。此过程将阐明即将成为TensorFlow 2.0一部分的功能，并允许社区提出修改意见。如果你想看到有关流程的评论和更新，请加入[e-mail]。开发团队希望在下半年发布预览版后收集用户对计划更改的反馈。

兼容性和连续性

TensorFlow 2.0提供了一个纠正错误并进行改进的机会，而这些改进在语义版本控制下是禁止的。

为了简化过度（transition），将创建一个转换工具，该工具更新Python代码以使用与TensorFlow 2.0兼容的API，或者在无法自动进行转换的情况下会发出警告。

并不是所有的更改都可以完全自动进行。开发团队将弃用一些没有direct equivalent的API。对于这种情况，将提供兼容模块（tensorflow.compat.v1），其中包含完整的TensorFlow 1.x API，并会在TensorFlow 2.x的生命周期内进行维护。

一旦最终版本的TensorFlow 2.0发布，预计不会在TensorFlow 1.x上有任何进一步的功能开发。 从TensorFlow 2.0发布之日起，将继续为TensorFlow 1.x版本发布一年的安全补丁。

磁盘（On-disk）兼容性

开发团队将不打算对SavedModels或存储的GraphDef进行重大更改（即，预计在2.0中包含所有当前版本的内核）。然而，2.0中的变化意味着在与新模型兼容之前，原始检查点（raw checkpoint）中的变量名可能必须进行转换。

tf.contrib

TensorFlow的contrib模块已经超出了在单一存储库中可以维护和支持的功能。较大的项目单独进行维护是比较好的，而开发团队将随着TensorFlow主代码一起孵化更小的扩展。因此，作为发布TensorFlow 2.0的一部分，开发团队将停止发布tf.contrib。在接下来的几个月里，将与各自的所有者就详细的迁移计划进行合作，包括如何在社区页面和文档中公布你的TensorFlow扩展。对于每个contrib模块：

将项目集成到TensorFlow中；

将其移至单独的存储库；

或者将其完全删除；

这意味着将弃用所有tf.contrib，并且开发团队于今日将停止添加新的tf.contrib项目。开发团队正在寻找tf.contrib中一些项目的拥有者和维护者。