TensorFlow 2.0 預(yù)覽版上線了！近日，谷歌 AI 團隊成員 Martin Wicke 在社交網(wǎng)絡(luò)上向大家發(fā)布了這一***深度學(xué)習(xí)框架的「開發(fā)者預(yù)覽版」，該版本又被稱為「Nightly 版」——因為框架會每晚更新。這不是一個穩(wěn)定的版本，但開發(fā)者們可以嘗試使用，熟悉新版本的特性。

不過，即使是在 TensorFlow 2.0 中，目前也沒有對于 Python 3.7 的支持。

還有網(wǎng)友表示：

Nightly 版更接近于 beta 版本，為用戶提供即將發(fā)布的內(nèi)容的預(yù)覽，以及有機會使用/貢獻新功能。Nightly 版絕不是一個專為產(chǎn)品而設(shè)計的穩(wěn)定版本，它旨在測試開發(fā)人員正在使用的***功能，不會自動提供文檔，可以找到 bug，無法保證功能的可用性。

預(yù)覽版官方頁面：https://www.tensorflow.org/versions/r2.0/api_docs/python/tf

開發(fā)者們可以輸入如下代碼安裝預(yù)覽版：

pip install tf-nightly-2.0-preview 

安裝 GPU 版的方法是：


pip install tf-nightly-gpu-2.0-preview 

目前的版本號是：tf-nightly-2.0-preview-1.13.0.dev20181214

TensorFlow 2.0 如今在 pypi 上提供 tf-nightly-2.0-preview 和 tf-nightly-gpu-2.0-preview 版本。你還可以通過傳遞—config=v2 到 bazel 命令來從源代碼構(gòu)建版本（在運行 configure 之后）。TensorFlow 2.0 是從同一個源碼樹構(gòu)建的，因此如果你是從源代碼構(gòu)建，只需要從主服務(wù)器生成。

可從預(yù)覽版官方頁面獲取 Nightly 版生成的文檔。因為 Nightly 版還在開發(fā)中，文檔可能隨時變得不再有用或不完整。

在 TensorFlow 2.0 的開發(fā)中，谷歌專注于可用性，并對指定（specify）和運行計算的方式進行了重大更改。2018 年秋季發(fā)布的 RFC（https://github.com/tensorflow/community/tree/master/rfcs）實現(xiàn)了這樣的重大變化。

pip 軟件包附帶一個轉(zhuǎn)換器工具，可以升級（大多數(shù)）1.x TensorFlow 代碼，因此它可以在 Nightly 版安裝的 2.0 的情況下運行。tf_upgrade_v2 工具大量使用兼容性模塊：tf.compat.v1。此模塊包含 TensorFlow 1.x 中存在的所有符號及其原始功能。此外，升級工具也處于開發(fā)階段，它可能無法在復(fù)雜項目上運行。

這個 Nightly 版的 2.0 仍然不完整。因此，谷歌表示不保證穩(wěn)定性，還存在未解決的性能問題，并且缺少某些功能（例如，僅支持某些分布式機制，特別是 TPU 的支持仍然不完整），并且 TensorFlow 生態(tài)系統(tǒng)尚未和 2.0 同步更新（例如，TFHub）。谷歌表示會在創(chuàng)建 2.0-alpha 之前解決這些問題。

如果有興趣嘗試 Nightly 版，谷歌表示很歡迎報告使用中發(fā)現(xiàn)的問題。

在這里查看提交錯誤報告的方法：https://github.com/tensorflow/community/blob/master/governance/tensorflow-testing.md

[[255350]]

對于***的機器學(xué)習(xí)框架來說，TensorFlow 2.0 將是一個重要的里程碑：新版本意味著大量的內(nèi)容梗概，所有一切都以人人可以使用機器學(xué)習(xí)為目標(biāo)。但是，這些更改可能會要求老用戶重新學(xué)習(xí)如何使用框架。

去年 9 月，谷歌在開發(fā)者大會上就曾表示，在 TensorFlow 2.0 版本中，Eager 模式會成為默認(rèn)執(zhí)行模式，讓開發(fā)者更簡潔高效地搭建原型。

馮亦菲則在開發(fā)者大會上表示，TensorFlow 2.0 beta 版將會在 2018 年底公開（看來有點延遲了），而正式版預(yù)計于 2019 年的***個季度（最遲第二季度）問世。Eager 模式變?yōu)槟J(rèn)設(shè)置之后，開發(fā)者可以在原型搭建完成后，利用 AutoGraph 把在 Eager 模式下搭建的模型自動變成計算圖。開發(fā)者也可以進一步對 AutoGraph 生成的計算圖進行優(yōu)化，或者關(guān)掉 Eager 模式自己構(gòu)建計算圖。