TensorFlow 2.1.0-rc1 发布了，TensorFlow 2.1 将是支持 Python 2 的最后一个 TF 版本。Python 2 的支持将于 2020 年 1 月 1 日正式结束，TensorFlow 也将从该日起停止支持 Python 2，并且预计在 2019 年将不再发布新的版本。

主要特性和改进如下：

• tensorflow pip 软件包现在默认包括针对 Linux 和 Windows 的 GPU 支持（与 tensorflow-gpu 相同）。它可以在带有和不带有 NVIDIA GPU 的机器上运行。 tensorflow-gpu 仍然可用，对于关心软件包大小的用户，可以 在tensorflow-cpu 上下载仅 CPU 的软件包。
• tensorflow pip 软件包使用 CUDA 10.1 和 cuDNN 7.6 构建。
• tf.keras
  • Model.fit_generator、 Model.evaluate_generator、 Model.predict_generator、 Model.train_on_batch、 Model.test_on_batch和 Model.predict_on_batch 方法现在尊重 run_eagerly 属性，并且默认情况下将使用 tf.function 正确运行。
  • Model.fit_generator、 Model.evaluate_generator和 Model.predict_generator 是已弃用的端点。它们包含在 Model.fit、Model.evaluate 和 Model.predict 中，现在支持生成器和序列。
  • 只要在范围内构建模型，就可以将 Keras .compile .fit .evaluate 和 .predict 置于 DistributionStrategy 范围之外。
  • Keras model.load_weights 现在接受 skip_mismatch 作为参数。它在外部 Keras 中可用，现已复制到 tf.keras 中。
  • 引入了 TextVectorization 层，该层将原始字符串作为输入，并负责文本标准化、标记化、n-gram 生成和词汇索引。
  • Cloud TPU Pod 提供了对 Keras .compile、.fit、.evaluate 和 .predict 的实验支持。
  • 为 Cloud TPU 启用了自动外部编译。这使得 tf.summary 可以更方便地与 Cloud TPU 一起使用。
  • Cloud TPU 支持带有 DistributionStrategy 和 Keras 的动态批量大小。
  • GPU 和 Cloud TPU 提供了对混合精度的实验支持。
  • TensorFlow Model Garden 提供了许多流行模型的 Keras 参考实现。
• tf.data
  • 更改 tf.data 数据集的重新编录+分发策略以提高性能。请注意，数据集的行为也略有不同，因为重新标记的数据集基数将始终是副本数的倍数。
• TensorRT
  • 现在默认情况下支持并启用 TensorRT 6.0。这增加了对更多 TensorFlow 操作的支持，包括 Conv3D，Conv3DBackpropInputV2，AvgPool3D，MaxPool3D，ResizeBilinear 和 ResizeNearestNeighbor。此外，TensorFlow-TensorRT python 转换 API 导出为 tf.experimental.tensorrt.Converter。
• 添加了环境变量 TF_DETERMINISTIC_OPS。当设置为 “true” 或 “1” 时，此环境变量使 tf.nn.bias_add 确定性地（即可重复地）运行，但当前仅当未启用 XLA JIT 编译时才运行。这使得 Keras Conv*D 和 MaxPool*D 层在启用 CUDA 的 GPU 上运行时可确定地在向前和向后两个方向上运行。

详情见更新说明：

https://github.com/tensorflow/tensorflow/releases/tag/v2.1.0-rc1