最新tensorflow2.0 RC 版【Tensorflow2.0rc版本安装】

推荐：
【tensorflow2.0最新建模教程】，如下：
tensorflow2.0教程 常用操作集合1—Layer自定义层的设计

常用操作集合系列2—Model自定义模型的设计

常用操作集合系列3—Model自定义模型的训练和参数调优loss gradient optimizer
常用操作集合系列4—损失函数正则化解决模型过拟合

TensorFlow 2.0在经历Alpha和Beta测试阶段后，最新发布了tensorflow2.0 rc Release Candidate版本。
删除了一些繁杂的API接口和调用方法，带来更加高效、稳定的操作体验，更加注重keras作为核心的接口API。

根据 TF 2.0.0-rc0的发布日志，它包含的主要特性和提升有：
便捷的基于Keras和Eager Execution（动态图）的模型构建
在任何平台的产品中的鲁棒的模型部署
面向研究的强大的实验方法
通过减少重复API和移除废弃点获得的API简化

一些值得注意的特性：
TF 2.0将Keras作为核心的构建和训练模型的API。
TF 2.0可以用tf.distribute.Strategy API在最小代码改动的情况下实现分布式训练。
用Functions而不是Sessions。可以通过写普通Python函数加tf.function注解的方式来构建可以远程执行、序列化和性能优化的图。
统一tf.train.Optimizers和tf.keras.Optimizers。在TF 2.0中使用tf.keras.Optimizers。compute_gradients被从公共API中移除，现在用GradientTape来计算梯度。
AutoGraph将Python控制流翻译为TensorFlow表达式，允许用户在使用tf.function装饰的函数中使用普通的Python语句。
统一了SavedModel的交换格式。所有的TensorFlow生态圈项目(TensorFlow Lite, TensorFlow JS, TensorFlow Serving, TensorFlow Hub)都兼容SavedModels。
API变动：许多API被重命名或移除，或参数名被修改。许多改变的动机是考虑到一致性和清晰性。TF 1.x的API在compat.v1模块中依然可用。
API清理，包括tf.app、tf.flags和tf.logging，因为考虑到对absl-py的喜爱。
没有了全局变量，以及相应的帮助函数，比如tf.global_variables_initializer和tf.get_global_step。

附更新日志：
本文参考：专知
链接：
https://github.com/tensorflow/tensorflow/releases/tag/v2.0.0-rc0

---

《AI工匠BOOK》持续更新AI算法与最新应用，如果您感兴趣，欢迎关注AI工匠（AI算法与最新应用前沿研究）。