自2015年开源以来,TensorFlow凭借性能、易用、配套资源丰富,一举成为当今最炙手可热的AI框架之一,当前无数前沿技术、企业项目都基于它来开发。一开始,TensorFlow 的主要目的是为构建神经网络提供高性能 API。然而,借助于机器学习社区对它的兴趣以及时间上的优势,这个类库已经演变成了一个完整的机器学习生态系统。
然而最近几个月,TensorFlow正在经历推出以来最大规模的变化。TensorFlow 2.0 已经推出 beta 版本,同 TensorFlow 1.x 版本相比,新版本带来了太多的改变,最大的问题在于不兼容很多TensorFlow 1.x 版本的API。这不禁让很多TensorFlow 1.x用户感到困惑和无从下手。一般来讲,他们大量的工作和成熟代码都是基于TensorFlow 1.x 版本开发的。面对版本不能兼容的问题,该如何去做?
本文将跟大家分享作者在处理TensorFlow适配和版本选择问题方面的经验,希望对你有所帮助。内容节选自《深度学习之TensorFlow工程化项目实战》一书,文末有送书福利!
一、新项目的版本选择
虽然TensorFlow的2.0版本中有很多光鲜靓丽的新功能。但是TensorFlow 1.x目前比较稳定,建议读者使用TensorFlow 1.x版本开发实际项目,并跟进2.x版本所更新的技术。待2.x版本迭代到2.3以上,再考虑使用2.x版本开发实际项目。