TensorFlow2 设计思想

TrensorFlow2 新特性

官方说明：

    Easy（好用）

    Simplified APIs. Focused on Keras and eager execution.

    简化的API。专注于 Keras 和 及早求值。

    Powerful（强大）

    Flexibility and performance.  Power to do cutting edge research and scale to > 1 exaflops.

    灵活性和性能。功能和性能相对于 Tensorflow1 都进行了扩展。

    Scalable（可扩展）

    Tested at Google-scale. Deploy everywhere.

    通过 Google 的大规模测试。能够很灵活的部署到很多环境。

个人理解：

    简化概念

    TensorFlow1.x 有太多的概念需要去学习（Graph、Session、API、生态工具）。

    TensorFlow2 官方的发布日志或者说 Release Notes 里面，砍掉了大量的 API，争取做到同样的一件事就一个标准的方法；同时摒弃掉一些底层的偏计算机系统的概念。

    海纳百川

    吸收了很多其他框架优良的实践和好的经验（Python、Numpy、Keras、Pytorch）。

    构建生态

    数据验证—模型评估—训练过程可视化—模型评估后部署

    TensorFlow Lite    TensorFlow.js    TensorBoard    TensorFlow Hub    Tensorflow Extended    TensorFlow Quantum

TemsorFlow2 核心模块

TensorFlow2 核心模块概览

tf.keras：分布式和高性能的 Keras

    将 Keras 框架完全集成到 TensorFlow2 的一个 TF2 的模块，使用 TensorFlow 的 Keras 相比于原生有两个重要的提升：分布式、高性能。

    (1) 构建和训练模型的高层次 API

    (2) API 完全兼容原生 Keras

    (3) 支持保存和加载 TensorFlow SavedModel

    (4) 支持 Eager Execution

    (5) 支持分布式训练

tf.data：数据管理

tf.data 数据管理

tf.distribute：一行代码实现分布式

SaveModel：生产级 TensorFlow 模型格式

SaveModel：生产级 TensorFlow 模型格式

TensorFlow2 VS TensorFlow1.x

常见工具集合

TensorFlow2 结合了 Keras 和 TensorFlow1.x 的优点

TensorFlow2 结合了 Keras 和 TensorFlow1.x 的优点

TensorFlow2 落地应用

    Speech Detection（语音检测）、Video segmentation（视频分割）、Edge Detection（边缘检测）......