TensorFlow 2.3.0 正式發布了，主要特性和改進包括：

• tf.data添加了兩種新機制來解決輸入管道瓶頸并節省資源
• snapshot
• tf.data service.

　　可查看使用 TF Profiler 分析輸入管道性能的詳細指南。

• tf.distribute.TPUStrategy現在是一個穩定的 API，不再被視為 TensorFlow 的實驗版本。 （先前的tf.distribute.experimental.TPUStrategy）。
• TF Profiler 引入了兩個新工具：一個用于在一段時間內可視化模型內存使用情況的內存分析器，以及一個允許用戶在模型中跟蹤 python 函數調用的 python 跟蹤器。可用性方面的改進包括更好的診斷消息和配置文件選項，以自定義主機和設備跟蹤的詳細程度。
• 引入了對 Keras 預處理層 API（tf.keras.layers.experimental.preprocessing.*）的實驗支持，以處理數據預處理操作，并支持復合張量輸入。
• 現在，TFLite 能夠在轉換和推理期間正確支持動態形狀。新版本還為 XNNPACK（高度優化的 CPU 內核集）在 Android 和 iOS 上增加了選擇加入支持，并為在 GPU 上執行量化模型提供了選擇加入支持。
• 從此版本開始，GCS 中提供了 Libtensorflow 軟件包。這些軟件包的 nightly 版本也已經開始發布。
• 實驗性的 Python API tf.debugging.experimental.enable_dump_debug_info () 現在允許檢測 TensorFlow 程序并將調試信息轉儲到文件系統上的目錄中。該目錄可以通過 TensorBoard 2.3 中稱為 Debugger V2 的新交互式儀表板進行讀取和可視化，其中顯示了 TensorFlow 程序的詳細信息，包括圖形結構、Python（eager）和圖形內級別的 op 執行歷史、張量的運行時 dtype、形狀和數值組合及其代碼位置。

　　更新說明：https://github.com/tensorflow/tensorflow/releases/tag/v2.3.0

總結

以上是生活随笔為你收集整理的TensorFlow 2.3.0正式发布的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。