TensorFlow 2.0正式版釋出，與Keras更緊密整合

開源深度學習函式庫TensorFlow團隊在今年初不斷釋出2.0的消息，春季也推出了Alpha測試版，而現在終於在TensorFlow World大會上，正式發表了TensorFlow 2.0.0。這個版本重點擺在易用性的改進，加強與Python開源神經網路函式庫Keras的整合，並且簡化API降低功能重複。

TensorFlow 2.0整合Keras作為建置和訓練模型的中央高階API，Keras提供了一些模型建置的API，可用來建立像是序列式（Sequential）、功能式（Functional）和子類別（Subclassing）等模型。而這些API可以與Eager Execution功能結合使用，Eager Execution是TensorFlow的命令式程式開發環境，能立即執行程式碼評估操作，讓開發者快速對程式碼除錯並進行迭代。另外，Keras 模型建置API也可以結合tf.data，建置可擴充的出入工作管線。

而TensorFlow 2還更新了分散式訓練策略，開發者可以使用tf.distribute.Strategy API，以最少的程式碼更動分散模型訓練，進而獲得良好的效能，這個API也支援Keras model.fit分散式訓練以及自定義訓練迴圈，同時還支援多GPU訓練，目前多重Worker和Cloud TPUs進入實驗性支援階段。

官方提到，他們不鼓勵開發者使用傳統的宣告式程式設計模型建置圖（Graph），接著並透過tf.Session來執行，而是應該要以正規的Python函式寫法代替。使用tf.function裝飾器（Decorator）可以將函式轉換為圖，這些圖可以遠端執行、序列化以及進行效能最佳化。

現在TensorFlow交換格式都與SavedModel統一，所有TensorFlow生態系的專案，像是TensorFlow Lite、TensorFlow JS、TensorFlow Serving和TensorFlow Hub專案都接受SavedModel。SavedModel格式內容具有完整的TensorFlow程式，包含權重和計算，不需要原始建置模型的程式碼就能執行，這對於模型共享或是部署非常有用。

開發團隊為TensorFlow 2的API進行了調整，許多API符號經重新命名或是刪除，參數名稱也被更改，整體來說，調整後能讓API的使用經驗更加一致清楚。