TensorFlow versão 2.2.0-RC1

TensorFlow 2.2.0 lançado um novo release candidate. TensorFlow 2.2.0 Principais recursos e melhorias incluem o seguinte:

• Corda tensor tipo escalar a partir  std::string substituído tensorflow::tstring 
• TF nova Profiler 2 para CPU / GPU / TPU. Ela fornece um dispositivo de análise de desempenho e um hospedeiro, que compreende uma entrada de conduta e TF oper.
• Não recomendado para uso SWIG, mas usos pybind11 para exportar funções C ++ para Python, que é parte de um esforço abandonado Swig.
• tf.distribute:
  • Usando tf.keras.layers.experimental.SyncBatchNormalization camada recém-adicionado, acrescentando ao suporte global sincronização BatchNormalization. Esta camada será sincronizado BatchNormalization informação estatística entre todas as cópias participar do treinamento de sincronização.
  • Tf.distribute.experimental.MultiWorkerMirroredStrategy melhorar a formação de desempenho multi-GPU distribuídos
    • A atualização NVIDIA NCCL a 2.5.7-1, para melhor desempenho e ajuste de desempenho.
    • Suporte reduzir o float16 gradiente.
    • Todas as experiências têm reduzido apoio compressão gradiente, para permitir que o caminho inverso, sobreposto polimerização cálculo gradiente.
• tf.keras:
  • Model.fit  As principais melhorias:
    • Ele pode ser usado em conjunto com Model.fit lógica personalizada treinado por cobrindo Model.train_step.
    • Facilmente escrever um novo ciclo de formação, sem ter que se preocupar com todas as características que você processo Model.fit (política de distribuição, callback, formato de dados, lógica circular, etc.)
  • Agora, formato SavedModel Keras construído para suportar todas as camadas (incluindo índice, a camada de pré-tratamento e camada com estado RNN)
• tf.lite:
  • Ativar TFLite novo conversor experimental por padrão.
• XLA
  • XLA podem agora construir e executar no Windows. Todos os pacotes pré-construídos são enviados com XLA.
  • Ele pode ser usado na CPU e GPU semântica "compilados ou jogados" tf.function permitir XLA.

A nova versão inclui a actualização de um grande número de correções de bugs e outros detalhes podem ser encontrados: 

https://github.com/tensorflow/tensorflow/releases/tag/v2.2.0-rc1