安装太慢【 推荐】tensorflow2.0清华镜像 ——附tensorflow2.3.0【新版本】介绍与安装教程

tensorflow2.3.0针对数据建模过程中的data预处理和运用过程增加了data上下游进程监测可视化和数据预处理优化两种新的机制，解决输入管道瓶颈，节省资源:

1快照：可视化

tf.distribute。TPUStrategy现在是一个稳定的API，不再被认为是TensorFlow的实验对象。(tf.distribute.experimental.TPUStrategy早些时候)。
TF Profiler引入了两种新工具:一种是用于可视化模型随时间变化的内存使用的内存分析器，另一种是允许跟踪模型中的python函数调用的python跟踪器。可用性改进包括更好的诊断消息和配置文件选项，可自定义主机和设备跟踪的详细程度级别。介绍了对Keras预处理层API (tf.keras.layers.experimental.preprocessing.*)的实验支持，用于处理数据预处理操作，支持复合张量输入。

TFLite现在正确地支持转换和推理过程中的动态形状。我们还为XNNPACK在Android和iOS上增加了选择性加入支持，这是一组高度优化的CPU内核，还为GPU上执行量化模型提供选择性加入支持。从这个版本开始，Libtensorflow包在GCS中可用。我们还开始发布这些软件包的夜间版本。现在，实验性的Python APItf.debug.experimental.enable_dump_debug_info()允许您检测TensorFlow程序并将调试信息转储到文件系统的目录中。目录可以通过一个新的阅读和可视化交互式仪表板TensorBoard 2.3称为调试器V2,揭示TensorFlow计划的细节包括图结构,历史的op执行Python(渴望)和intra-graph