TensorFlow 2.3.0 正式发布
TensorFlow 2.3.0 正式发布了,主要特性和改进包括: tf.data添加了两种新机制来解决输入管道瓶颈并节省资源 snapshot tf.data service. 可查看使用 TF Profiler 分析输入管道性能的详细指南。 tf.distribute.TPUStrategy现在是一个稳定的 API,不再被视为 TensorFlow 的实验版本。 (先前的tf.distribute.experimental.TPUStrategy)。 TF Profiler 引入了两个新工具:一个用于在一段时间内可视化模型内存使用情况的内存分析器,以及一个允许用户在模型中跟踪 python 函数调用的 python 跟踪器。可用性方面的改进包括更好的诊断消息和配置文件选项,以自定义主机和设备跟踪的详细程度。 引入了对 Keras 预处理层 API(tf.keras.layers.experimental.preprocessing.*)的实验支持,以处理数据预处理操作,并支持复合张量输入。 现在,TFLite 能够在转换和推理期间正确支持动态形状。新版本还为 XNNPACK(高度优...

