TensorFlow2.0的新特性

TensorFlow2.0的新特性

2020年1月，TensorFlow迎来了2.0正式版的更新，新的框架在使用上与1.x差别较大，本文将对2.0的新特性进行一些经验总结，不从技术上进行对比，实时补充，与君共勉。

新的改变

相比于1.x版本，TensorFlow2.0主要有以下新的优点：

1. 更少的代码行数 。用户不再需要先建立静态图再运行，2.0的大部分代码被集成到不同的类和方法中，只需要执行简单几行，就可以构建完整的深度学习项目；
2. 强大的社区支持 。基于1.x海量用户群体，TensorFlow2.0也具有强大的社区支持；
3. 优秀的官方教程。不得不说，谷歌对初学者或者1.x迁移到2.0的同学给与了足够的支持，官方教程内容丰富，中英文API质量也非常高，官方教程链接：TensorFlow2.0官方教程
4. 与Keras强强联合。了解Keras的同学知道，这个模块在构建神经网络模型时与sklearn一样简单，只需要准备好数据，几行代码完成训练和测试。TensorFlow借鉴于此，在构建模型时简单直观。

在使用过程中，也不得不承认目前2.0还有一些不太方便的地方：

1. 复杂的debug过程。由于重写了很多方法，新的API增加了很多，用户不得不花一些时间去学习这个转换过程。Debug起来确实有点多，一个接一个。当然，这是必然的，对比PyTorch来看，更简易的调用总会意味着代码整合性比较强， 好的用户何惧于此？
2. 比较新。平心而论，TensorFlow2.0让用户等的太久了，所以发布的比较“新”了。新的东西让人接受起来总是比较慢的，何况还有其他框架竞争。时间总会证明。

一个好的工程师不会纠结用哪个框架，现实来说，总是需要什么就会用什么。与其争辩孰强孰弱，不如静心修炼，兼收并蓄。