重磅：TensorFlow 2.0即将发布，所有tf.contrib将被弃用

作者 | 阿司匹林

出品 | AI科技大本营（公众号ID：rgznai100）

上周，谷歌刚刚发布了 TensorFlow 1.10.0 版本（详见《TensorFlow 版本 1.10.0 发布》），如今，TensorFlow 的 2.0 版本又将来临。

谷歌开源战略师 Edd Wilder-James 最新公开的一封邮件显示，TensorFlow 2.0 预览版将在今年晚些时候正式发布，并称其是一个重大的里程碑。

一旦最终版本的 TensorFlow 2.0 发布，预计 TensorFlow 1.x 将不会再有任何功能更新，但 TensorFlow 团队表示将继续为 TensorFlow 1.x 版本发布一年的安全补丁。

据悉，未来 TensorFlow 将会把重点放在易用性上，而 Eager Execution 将会是 TensorFlow 2.0 的核心功能。

（编者注：“Eager Execution”是一个命令式、由运行定义的接口，一旦从 Python 被调用可立即执行操作，这使得 TensorFlow 的入门变得更简单，也使得研发工作变得更直观。）

此外，TensorFlow 团队表示，未来所有的 tf.contrib 都会被弃用，对于每个 contrib 模块，要么 a）将项目集成到 TensorFlow 中；b）将其移至单独的存储库；c）完全将其移除。从今天将开始，TensorFlow 将停止添加新的 tf.contrib 项目。

▌TensorFlow 2.0 规划

以下是邮件内容，AI科技大本营翻译：

为了适应这些快速变化，我们已经开始研究 TensorFlow 的下一个重大版本。TensorFlow 2.0 将是一个重要的里程碑，我们将把重点放在易用性上。大家可以期待 TensorFlow 2.0 的以下功能：

• Eager Execution 将是 TensorFlow 2.0 的核心功能。它将用户对编程模型的期望与TensorFlow 实践更好地结合起来，使得 TensorFlow 更容易学习和应用。

• 支持更多的平台和语言，并通过交换格式的标准化和 API 的对齐来改善这些组件之间的兼容性和对等性。

• 我们将删除过时的 API 并减少重复的数量，避免给用户带来混乱。

我们计划在今年晚些时候发布 TensorFlow 2.0 的预览版。

2.0 版本的设计流程

近期，我们将举行一系列包含预先规划好的改变在内的公共设计评审。我们将在此过程中阐明 TensorFlow 2.0 一部分的新功能，并允许社区提出更改和发表意见。如果您希望查看有关流程的评论和更新公告，请加入[email protected]。我们希望在今年晚些时候发布预览版后收集用户的反馈。

兼容性和连续性

TensorFlow 2.0 给了我们一个纠正错误并进行改进的机会，这些改进在语义化版本（semantic versioning）下是禁止的。

为了让大家更容易地向新版本过渡，我们将创建一个转换工具，用于更新 Python 代码以使用与 TensorFlow 2.0 兼容的 API，或者在无法自动进行此类转换的情况下发出警告。

并非所有更改都可以完全自动完成。例如，我们将弃用某些 API，其中一些 API 没有直接对等的替换物。对于这种情况，我们将提供兼容模块（tensorflow.compat.v1），它包含完整的 TensorFlow 1.x API，而且将在 TensorFlow 2.x 的生命周期内一直保留。

一旦最终版本的 TensorFlow 2.0 发布，我们预计 TensorFlow 1.x 不会再有任何的功能更新，但我们将继续为 TensorFlow 1.x 版本发布一年的安全补丁。

磁盘兼容性

我们不打算对 SavedModels 或存储的 GraphDef 进行重大更改（即，我们计划在 2.0 版本中包含所有当前内核）。但是，2.0 版本中的更改将意味着raw checkpoint 中的变量名称可能必须在与新模型兼容之前进行转换。

tf.contrib

TensorFlow 的 contrib 模块已经超越了单个存储库中可以维护和支持的模块。较大的项目最好分开维护，我们将在 TensorFlow 的主代码里添加一些规模较小的扩展。因此，作为发布 TensorFlow 2.0 的一部分，我们将停止分发 tf.contrib。我们将在未来几个月与 contrib 模块的所有者合作制定详细的迁移计划，包括如何在我们的社区页面和文档中宣传您的 TensorFlow 扩展。

对于每个 contrib 模块，我们要么 a）将项目集成到 TensorFlow 中； b）将其移至单独的存储库；c）完全将其移除。这意味着所有的 tf.contrib 都会被弃用，我们将从今天将开始停止添加新的 tf.contrib 项目。我们正在寻找目前在 tf.contrib 的许多项目的所有者/维护者，如果您有兴趣，请联系我们。

下一步计划

有关TensorFlow 2.0 的更多问题，请发送电子邮件至[email protected]与我们联系。如需及时了解 2.0 版本的详细开发信息，请订阅[email protected]。

▌Facebook、微软等联手对抗谷歌

维基百科的资料显示，TensorFlow 最初由谷歌大脑团队开发，于2015 年 11 月 9 日在 Apache 2.0 开源许可证下发布，1.0.0 版本发布于 2017 年 2 月 11 日，目前已经更新到 1.10.0 版本。

如今，TensorFlow 已经成为开发者社区最流行的机器学习框架。

今年 3 月，Keras 作者 François Chollet 使用 Google Search Index 展示了过去三个月 ArXiv 上提到的深度学习框架排行，其中 TensorFlow 排名第一，Keras 排名第二，而且两者差距明显。

同月，李飞飞高徒 Andrej Karpathy 也抛出数据，过去一个月里各个框架在论文中被提到（单次计算）的比例分别是：TensorFlow 14.3%，PyTorch 4.7％，Keras 4.0％，Caffe 3.8％，Theano 2.3％，Torch 1.5％，其他均少于 1%。

就在上月，深度学习研究员 Mahmoud Badry 又根据 GitHub 上的 Star 数量做了一个了深度学习项目排行榜。其中 TensorFlow 稳居榜首，Star 的数量超过 10 万，是二名 Keras 的 3 倍之多。

可以看出，虽然其他的框架也在快速进步，但谷歌的 TensorFlow 目前仍占据绝对的领先地位

为了对抗谷歌的 TensorFlow，去年 9 月，FaceBook 携手微软发布了一个全新的项目——ONNX，可使模型在不同框架之间进行转移，欲借此打造一个开放的深度学习开发工具生态系统。目前已经有亚马逊、英特尔、百度等多家科技巨头加入。

有分析认为，谷歌暂时不会加入这个联盟，而是会打造自己的独立生态。如今，TensorFlow 2.0 即将发布，而谷歌的 Keras 也颇受欢迎，可以预见，谷歌在这一领域的领先地位短期内不会被动摇。