上周，谷歌剛剛發(fā)布了 TensorFlow 1.10.0 版本（詳見《TensorFlow 版本 1.10.0 發(fā)布》），如今，TensorFlow 的 2.0 版本又將來臨。

谷歌開源戰(zhàn)略師 Edd Wilder-James 最新公開的一封郵件顯示，TensorFlow 2.0 預覽版將在今年晚些時候正式發(fā)布，并稱其是一個重大的里程碑。

一旦最終版本的 TensorFlow 2.0 發(fā)布，預計 TensorFlow 1.x 將不會再有任何功能更新，但 TensorFlow 團隊表示將繼續(xù)為 TensorFlow 1.x 版本發(fā)布一年的安全補丁。

據(jù)悉，未來 TensorFlow 將會把重點放在易用性上，而 Eager Execution 將會是 TensorFlow 2.0 的核心功能。

（編者注：“Eager Execution”是一個命令式、由運行定義的接口，一旦從 Python 被調(diào)用可立即執(zhí)行操作，這使得 TensorFlow 的入門變得更簡單，也使得研發(fā)工作變得更直觀。）

此外，TensorFlow 團隊表示，未來所有的 tf.contrib 都會被棄用，對于每個 contrib 模塊，要么 a）將項目集成到 TensorFlow 中；b）將其移至單獨的存儲庫；c）完全將其移除。從今天將開始，TensorFlow 將停止添加新的 tf.contrib 項目。

▌TensorFlow 2.0 規(guī)劃

以下是郵件內(nèi)容，AI科技大本營翻譯：

為了適應這些快速變化，我們已經(jīng)開始研究 TensorFlow 的下一個重大版本。TensorFlow 2.0 將是一個重要的里程碑，我們將把重點放在易用性上。大家可以期待 TensorFlow 2.0 的以下功能：

Eager Execution 將是 TensorFlow 2.0 的核心功能。它將用戶對編程模型的期望與TensorFlow 實踐更好地結(jié)合起來，使得 TensorFlow 更容易學習和應用。

支持更多的平臺和語言，并通過交換格式的標準化和 API 的對齊來改善這些組件之間的兼容性和對等性。

我們將刪除過時的 API 并減少重復的數(shù)量，避免給用戶帶來混亂。

我們計劃在今年晚些時候發(fā)布 TensorFlow 2.0 的預覽版。

2.0 版本的設計流程

近期，我們將舉行一系列包含預先規(guī)劃好的改變在內(nèi)的公共設計評審。我們將在此過程中闡明 TensorFlow 2.0 一部分的新功能，并允許社區(qū)提出更改和發(fā)表意見。如果您希望查看有關流程的評論和更新公告，請加入developers@tensorflow.org。我們希望在今年晚些時候發(fā)布預覽版后收集用戶的反饋。

兼容性和連續(xù)性

TensorFlow 2.0 給了我們一個糾正錯誤并進行改進的機會，這些改進在語義化版本（semantic versioning）下是禁止的。

為了讓大家更容易地向新版本過渡，我們將創(chuàng)建一個轉(zhuǎn)換工具，用于更新 Python 代碼以使用與 TensorFlow 2.0 兼容的 API，或者在無法自動進行此類轉(zhuǎn)換的情況下發(fā)出警告。

并非所有更改都可以完全自動完成。例如，我們將棄用某些 API，其中一些 API 沒有直接對等的替換物。對于這種情況，我們將提供兼容模塊（tensorflow.compat.v1），它包含完整的 TensorFlow 1.x API，而且將在 TensorFlow 2.x 的生命周期內(nèi)一直保留。

一旦最終版本的 TensorFlow 2.0 發(fā)布，我們預計 TensorFlow 1.x 不會再有任何的功能更新，但我們將繼續(xù)為 TensorFlow 1.x 版本發(fā)布一年的安全補丁。

磁盤兼容性

我們不打算對 SavedModels 或存儲的 GraphDef 進行重大更改（即，我們計劃在 2.0 版本中包含所有當前內(nèi)核）。但是，2.0 版本中的更改將意味著raw checkpoint 中的變量名稱可能必須在與新模型兼容之前進行轉(zhuǎn)換。

tf.contrib

TensorFlow 的 contrib 模塊已經(jīng)超越了單個存儲庫中可以維護和支持的模塊。較大的項目最好分開維護，我們將在 TensorFlow 的主代碼里添加一些規(guī)模較小的擴展。因此，作為發(fā)布 TensorFlow 2.0 的一部分，我們將停止分發(fā) tf.contrib。我們將在未來幾個月與 contrib 模塊的所有者合作制定詳細的遷移計劃，包括如何在我們的社區(qū)頁面和文檔中宣傳您的 TensorFlow 擴展。

對于每個 contrib 模塊，我們要么 a）將項目集成到 TensorFlow 中； b）將其移至單獨的存儲庫；c）完全將其移除。這意味著所有的 tf.contrib 都會被棄用，我們將從今天將開始停止添加新的 tf.contrib 項目。我們正在尋找目前在 tf.contrib 的許多項目的所有者/維護者，如果您有興趣，請聯(lián)系我們。

下一步計劃

有關TensorFlow 2.0 的更多問題，請發(fā)送電子郵件至discuss@tensorflow.org與我們聯(lián)系。如需及時了解 2.0 版本的詳細開發(fā)信息，請訂閱developers@tensorflow.org。

▌Facebook、微軟等聯(lián)手對抗谷歌

維基百科的資料顯示，TensorFlow 最初由谷歌大腦團隊開發(fā)，于2015 年 11 月 9 日在 Apache 2.0 開源許可證下發(fā)布，1.0.0 版本發(fā)布于 2017 年 2 月 11 日，目前已經(jīng)更新到 1.10.0 版本。

如今，TensorFlow 已經(jīng)成為開發(fā)者社區(qū)最流行的機器學習框架。

今年 3 月，Keras 作者 Fran?ois Chollet 使用 Google Search Index 展示了過去三個月 ArXiv 上提到的深度學習框架排行，其中 TensorFlow 排名第一，Keras 排名第二，而且兩者差距明顯。

同月，李飛飛高徒 Andrej Karpathy 也拋出數(shù)據(jù)，過去一個月里各個框架在論文中被提到（單次計算）的比例分別是：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，深度學習研究員 Mahmoud Badry 又根據(jù) GitHub 上的 Star 數(shù)量做了一個了深度學習項目排行榜。其中 TensorFlow 穩(wěn)居榜首，Star 的數(shù)量超過 10 萬，是二名 Keras 的 3 倍之多。

可以看出，雖然其他的框架也在快速進步，但谷歌的 TensorFlow 目前仍占據(jù)絕對的領先地位

為了對抗谷歌的 TensorFlow，去年 9 月，F(xiàn)aceBook 攜手微軟發(fā)布了一個全新的項目——ONNX，可使模型在不同框架之間進行轉(zhuǎn)移，欲借此打造一個開放的深度學習開發(fā)工具生態(tài)系統(tǒng)。目前已經(jīng)有亞馬遜、英特爾、百度等多家科技巨頭加入。

有分析認為，谷歌暫時不會加入這個聯(lián)盟，而是會打造自己的獨立生態(tài)。如今，TensorFlow 2.0 即將發(fā)布，而谷歌的 Keras 也頗受歡迎，可以預見，谷歌在這一領域的領先地位短期內(nèi)不會被動搖。