作者：Margaret Maynard-Reid，Google 机器学习开发者专家

TensorFlow 2.0 预览版于 1 月初开始提供测试，此后关于预览版的有用信息源源不断。我将分享我的笔记和有用的链接，帮助大家整理这些信息。

• 有哪些变化？
• 如何设置以尝试 2.0 预览版？
• 如何报告错误？
• 如何加入社区？

变化速度很快，因此我在某些资源或问题解决方案中包含了日期。

有哪些变化？

TensorFlow 2.0 是一个以易用性为中心的重大更新，包含重大更改。以下是在 tensorflow.org、Github 和 Medium 上的一些关键帖子

TensorFlow.org

• 2018 年 9 月 4 日 TensorFlow 路线图 - TF 2.0 即将发布，这是 TensorFlow 团队发布的早期官方公告之一（更新的信息请见下文）。
  

GitHub

• 有效的 TF 2.0 风格指南 - 总结了主要变化，并包含代码片段和前后对比（非常有用！）。
  
• TensorFlow 2.0 RFC - RFC 代表“征求意见书”，它是一个流程，用于收集社区对 API 提议的设计修订的意见。阅读 RFC 可以很好地了解这些变化和技术设计讨论。
  

博客文章

• 2019 年 5 月 29 日 TensorFlow 2.0 的十项重要更新，作者 Sayak Paul。
  
• 2019 年 1 月 29 日 TensorFlow 2.0 中的符号式和命令式 API 是什么? - Josh Gordon 撰写的一篇很棒的博客文章，解释了如何使用 tf.keras Sequential、函数式 API 和模型子类化创建模型的详细信息。
  
• 2019 年 1 月 14 日 TensorFlow 2.0 的新功能
  
• 2018 年 12 月 6 日 标准化 Keras - 回答了常见问题，例如 Keras 与 tf.Keras、Estimator 与 tf.Keras 等。

如何尝试 2.0 预览版

使用 Colab

要使用 Colab 笔记本来尝试预览版，只需 pip install TF 2.0 预览版

# Install TF 2.0 preview CPU version
$ pip install tf-nightly-2.0-preview
# Install tf 2.0 preview GPU version
$ pip install tf-nightly-gpu-2.0-preview

2019 年 2 月 5 日开始支持 Colab 的 TF 2.0 GPU 版本。要使用它，请在上面的 pip install 命令中包含“-gpu”前缀。

TensorFlow 2.0 中的 API 有很多更改，最简单的自动应用这些更改的方法是运行 v2 升级脚本。注意：目前升级脚本仅适用于 .py。为了在笔记本上运行升级脚本，您需要将其转换为/从 .py。我最喜欢的问题之一 25448 跟踪了修改 TF 2.0 升级脚本以转换 .ipynb 文件的功能。

本地安装

请参阅 tensorflow.org 上的有关如何 使用 pip 安装 TensorFlow 的详细信息。TensorFlow 已签署 Python 3 声明，2.0 将支持 Python 3.5 和 3.7（跟踪问题 25429）。

在撰写本文时，TensorFlow 2.0 预览版仅适用于 Python 2.7 或 3.6 （不适用于 3.7）。使用虚拟环境可能是测试升级的最佳方法；您可以使用 Virtualenv 或 Anaconda （注意：Anaconda 最初无法使用，但大约在 2019 年 2 月 7 日开始可以使用）。

如果您尝试在使用 Python 3.7 版本的环境中安装预览版，您将收到错误“找不到与 tf-nightly-2.0-preview 匹配的 distribution”。

因此请确保您拥有 Python 2.7 或 3.6 版本。如果您在基本环境中有多个 Python 版本，您可以在创建虚拟环境时指定 Python 版本。

# Create a virtual environment With Virtualenv
$ virtualenv -p python3 [venv-name] 
# Activate virtual environment
$ source [venv-name]/bin/activate

在使用 Python 2.7 或 3.6 版本创建虚拟环境并激活它后，您就可以安装 TF 2.0 预览版。

# Install tf 2.0 preview CPU version
$ pip install tf-nightly-2.0-preview
# Install tf 2.0 preview GPU version
$ pip install tf-nightly-gpu-2.0-preview

您可以使用升级脚本将您的代码更新为 2.0 兼容。注意，升级脚本可能无法更新所有代码。查看生成的报告，并查看是否需要手动处理更改。有关详细信息，请参阅 TensorFlow 2.0 升级指南。

# Run upgrade script (part of TensorFlow 1.13+)
$ tf_upgrade_v2 --infile foo.py --outfile foo-upgraded.py

完成后，请停用虚拟环境。

# Deactivate virtual environment when done
$ deactivate

在 GCP 上安装

以下是一篇关于此主题的优秀博客文章：DeepLearning Images Revision M19. TensorFlow 2.0 experimental (链接)。

报告问题

以下是在测试期间如何在 GitHub 上报告 TensorFlow 问题。在提交新问题之前，请先查看现有问题

• TensorFlow 2.0 仪表盘 (链接)
  
• TensorFlow 2.0 未解决问题 (链接) - 您还可以进一步筛选问题。例如，要查看所有标记为 2.0 和 TFLite 的问题，请在“过滤器”字段中设置is:open label:2.0 label:comp:lite。
  

您也可以使用以下 Google 群组和每周二的测试会议进行交流，以快速响应问题和 TF 2.0 讨论。

加入社区

以下是如何与 TensorFlow 2.0 测试社区联系

Google 群组

加入这些 Google 群组，参与 TensorFlow 2.0 测试并为文档做出贡献。

• TF 2.0 测试人员 由 Paige Bailey 领导 - 您将收到有关测试内容以及其他测试人员提出的问题和问题的通知。
  
• TF 文档贡献者 由 Billy Lamberta 领导 - 加入此群组，为 TensorFlow 文档做出贡献。
  
• 特别兴趣小组(SIG)：Addons、Build、IO、Networking、Rust 和 TensorBoard。
  

Twitter

许多 Google 工程师正在参与 TF 2.0（测试）和社区外联工作。以下是我在 Twitter 上关注的一些人

• Paige Bailey (@DynamicWebPaige)
  
• Martin Wicke (@martin_wicke)
  
• Billy Lamberta (@billylamberta)
  
• Edd Wilder-James (@edd)
  
• Josh Gordon (@random_forests)
  

社区中的许多人都在积极测试 TensorFlow 2.0，做出贡献并分享他们的知识：@aureliengeron、Victor Dibia、@jerrykur、@Vikram_Tiwari、@lc0d3r… 以及其他许多 ML GDE。

关注 @tensorflow 的 Twitter 账户，了解有关 TensorFlow 2.0 的最新消息！