本月TensorFlow 2.0 alpha版千呼萬喚始出來，谷歌首席決策情報工程師 Cassie Kozyrkov 撰文詳解新版本的重要更新，舊的TensorFlow已死，TensorFlow 2.0萬歲！

如果你是一名人工智能愛好者，卻沒有關注到本月的一條重大新聞，就好比你在一場罕見的地震中打了個盹。等你醒來，會發現一切都將改變！

去年，我寫了一篇博文，題為《關于TensorFlow你需要了解的9件事》，但是有一件事是比其他所有事情更需要知道的：TensorFlow 2.0來了！

革命就在這里！歡迎來到TensorFlow 2.0。

這是一場徹底的改造。剛剛發生的一切將對每個行業產生重大的連鎖反應，只需等著瞧吧。如果你打算在2019年年中入坑TF，那么你會特別幸運，因為你選擇了進入AI的最佳時間(盡管如果你的舊教程中有“session”這個詞，你可能需要從頭開始學習)。

簡而言之：TensorFlow真正讓Keras完整起來了。相信理解這句話的朋友一定會驚訝到從椅子上掉下來的。為之振奮吧！

舊版本TensorFlow的糟糕體驗

我聽不少人說過TensorFlow 1.x很討人喜歡，我是表示懷疑的。TensorFlow 1.x可以說是AI領域中的車床，勉強算用戶友好。充其量，你可能會因為它能以令人難以置信的規模完成你的AI任務而感到感激。

如果你堅稱TensorFlow 1.x很容易掌握，那么肯定會引來一些人的反對。它陡峭的學習曲線使普通用戶幾乎不可能掌握，但在掌握之后，人們又開始大肆吹捧它，就像吹噓登頂珠穆朗瑪峰時凍掉的腳趾一樣。這有意思嗎？

你不是唯一一個——這就是TensorFlow 1.x的教程，每個人都有這種體會。

TensorFlow的核心優勢在于性能。它的設計是為了將模型從研究環境轉移到生產環境并大規模交付。但TF 1.x卻讓你為之費了十足的勁。只有堅持不懈，你才有可能加入ML從業者的行列，用它來做一些不可思議的事情，比如發現新的行星和開拓醫學疆土。

遺憾的是，如此強大的工具只掌握在如此少的人手中……直到現在。

不用擔心不知道tensor是什么。我們以前通常稱之為“矩陣”(廣義)

TensorFlow這個名稱，只是強調它非常擅長執行涉及多維數組(呃，也就是矩陣)的分布式計算這一事實，而這在大規模AI應用中很有用

可喜可愛的Keras

我們已經介紹了TensorFlow中棘手的部分，現在讓我們來談談你想要擁抱的部分。在我工作的地方，有一次我無意中聽到：“我覺得我真的是很喜歡Keras。”

Keras是一種逐層構建模型的規范，支持多種機器學習框架(因此它不是TF專有的)，但你可能是從TensorFlow中作為高級API訪問的TF.Keras知道它的。

順便一提，寫這篇文章時恰好是Keras的4歲生日(2019年3月27日)。生日快樂！

Keras在設計之初就秉持著與Python一致的理念，即以人為本——它的設計非常友好、靈活、易于學習

為什么不能兩者都要呢?

為什么我們必須在Keras的可愛和傳統TensorFlow的強大性能之間做選擇呢？為什么不能兩個都要？

好主意！我都要！

簡言之，這就是TensorFlow 2.0。

這就是TensorFlow 2.0。你可以在這里試試運行代碼：https://www.tensorflow.org/overview

“我們認為，用戶不必在簡單API和可擴展的API之間做出選擇。我們想要一個更高級的API，讓你可以從MNIST數據集一直到行星規模的數據集。”——Karmel Allison，谷歌TensorFlow工程主管

可用性革命

展望未來，Keras將成為TensorFlow的高級API，它經過了擴展，因此你可以直接從tf.keras使用TensorFlow的所有高級特性。

所有TensorFlow都將具有Keras的簡單性，涵蓋任何規模，支持所有硬件。

在新版本中，所有你討厭的TensorFlow 1.x的特性都被送上斷頭臺。為了把兩個數字加起來而不得不搞一些黑魔法似的操作？不需要了。TensorFlow Sessions？沒了。用一百萬種方法實現同樣的事情？不用。如果切換硬件或規模，就得重寫代碼？不用。要寫一大堆樣板文件？不用了。可怕的無法執行的錯誤消息？沒了。陡峭的學習曲線？再見了。

TensorFlow is dead, long live TensorFlow 2.0!

TensorFlow已死，TensorFlow 2.0萬歲！

你以為這是陷阱？會導致性能更糟糕？不，我們不會放棄性能。

TensorFlow現在真正可愛起來了，它是一個游戲規則的改變者，因為它意味著我們這個時代最強大的工具之一剛剛消除了大部分的入門壁壘。來自各行各業的技術愛好者終于有能力加入，因為新版本對所有人敞開了大門，而不僅是研究人員和其他痛苦閾值很高的學習者。

我們這個時代最強大的工具之一，剛剛消除了它的大部分入門壁壘!

我們敞開大門歡迎每一位朋友。想試試嗎？來玩吧！

令人愉悅的Eager

在TensorFlow 2.0中， eager execution現在是默認的。即使在eager的上下文中，你也可以利用graphs，這將使你的調試和原型設計都變得更容易，而TensorFlow runtime則負責底層的性能和擴展性。

TensorFlow 1.x(聲明式編程)中的糾纏圖對許多人而言都是噩夢般的存在，但現在，有了eager execution(命令式編程)，噩夢不再。如果你以前沒學過這部分，那就更好了。TF 2.0為每個人提供相同的全新開端。

簡潔的API

在Keras下，許多API在TensorFlow中得到了整合，所以現在用戶能夠更清楚什么時候應該使用什么API。例如，假如你現在只需要使用一組優化器和一組指標。需要多少層？你猜對了！只需要一層！這就是Keras的風格，簡潔如一。

事實上，整個工具生態系統就像進行了一次大掃除，從數據處理pipeline到簡單的模型導出，再到TensorBoard與Keras的集成，所有的一切都被納入了一條線。

還有一些很棒的工具可以讓你切換和優化分發策略，從而獲得驚人的擴展效率，同時又不會失去Keras的任何便利性。

這些分發策略很漂亮，不是嗎?

讓大家久等了

如果問題不在于性能，那么是什么呢？這里面一定有陷阱，對吧?

事實上，唯一的問題就是讓大家等了這么久。TensorFlow在醞釀一個友好的版本時，要求用戶非常耐心地等待。這不是故意的。因為為深度學習制作工具是一個全新的領域，我們都是一邊做一邊想。走了彎路是不可避免的，但我們在這條路上學到了很多。

TensorFlow社區投入了大量的精力來創造了最初的奇跡，然后再次付出更多的努力來打磨出最好的寶石，同時去掉不那么好的設計。我們從來沒想過先拿個半成品出來，但也許你已經習慣了這種不舒服，以至于你沒有意識到這是暫時的。謝謝你的耐心等待！

我們不會犧牲性能！

對你的耐心等待，獎勵就是你喜歡的TensorFlow 1.x的友好設計仍在，在一個一致的API之下，并刪除了大量重復功能以使它更清晰。此外，錯誤信息也經過了清理，現在更加簡潔易懂，易于操作。強大的性能表現也依然存在！

重點是什么？

Haters可能會說v2.0中的大部分特性都可以在v1.x中找出來，只要你花時間，花經歷，所以有什么好吹的呢？但是，并非每個人都想浪費時間在這種事情上。改造和清理值得鮮花和掌聲，可以，但沒必要。

不容錯過的一點是：TensorFlow剛剛宣布了，必須關注可用性，這一點上不容妥協。這是人工智能民主化的前所未有的一步！

AI可讓您自動執行無法提供相關說明的任務，它可以讓你自動化不可操作的東西。民主化意味著大規模的人工智能將不再是一個小型技術精英的專屬：人人都是AI高手。

想象一下，未來“我知道如何使用Python制作東西”和“我知道如何用AI制作東西”成為一種常態！我幾乎想把這個流行語用在這里“破壞性”。

超大量的代碼遷移

我們知道升級到新版本是一項艱苦的工作，尤其是當變化如此劇烈時。你是不是已經準備要開始遷移代碼庫到2.0了？你不是一個人！我們Google也一樣的。放心，我們會分享遷移指南的，我們還會開發工具來幫助簡化遷移代碼的工作量。

特定的功能，除了contrib之外都不會有太大問題。所有TF 1.x功能都將存在于compat.v1兼容性模塊中。我們還提供了一個自動更新代碼的腳本，以便它在TensorFlow 2.0上運行。在下面的視頻中了解更多信息。

上手超順暢

TF 2.0是初學者的天堂。想用TF 2.0來戲弄新手，想看初學者上手TF 2.0的笑話？那你錯打主意了。對于初學者來說，你可能沒趕上AI的早班車，但俗話說來得早不如來得巧，現在絕對是入行AI的最好的時機！

2019年3月TensorFlow 2.0發布了alpha版，所以現在學習可以讓你及時為下一季度的完整版本打好基礎。

初學者完全不用擔心上手難度。可以說現在場地得到了平整，比賽變得更加輕松，而且永遠給你留一個位置。歡迎來到TF 2.0星球！我希望你和我一樣對這個新世界感到興奮。

一起在TF 2.0的海洋里暢游吧！

訪問重新設計的TF官網（https://www.tensorflow.org/）來獲得教程、示例、文檔、工具等等。或者如果你可以直接開始使用：

pip install tensorflow==2.0.0-alpha0用機器學習解鎖商業價值

許多開發者都在使用 TensorFlow 來實現機器學習，為企業解決問題，為用戶創造價值，甚至為人類探索星辰大海。

TensorFlow中國選取了其中四家代表企業，分享他們如何通過 TensorFlow 和機器學習來實現企業的價值。

阿里巴巴旗下的閑魚，是一款成交總額已經超過 1000 億的閑置交易社區。如何使得非專業的賣家也能輕松交易，是一個重要的核心問題。龐大的規模，復雜的交易需求，使得技術成為重要的突破口。

閑魚的非算法工程師背景的技術團隊通過 TensorFlow 逐漸深入了解機器學習領域，將圖像識別、深度學習模型等應用到生產環境。閑魚的交易效率提升了 19.1%。

以租房場景為例，用戶發布照片，系統推薦相應標簽，幫助描述商品

網易有道致力于用技術與 AI 讓語言、學習和工作更加輕松和有效。有道作業寶就是一個源于這樣理念的產品，它可以輔助學生更快的自我檢查作業。相比于傳統的逐題搜索，有道作業寶實現了國內首家整頁拍搜功能，1~2 秒就可以檢查 15 道題目。

美團點評的使命是幫大家吃得更好，生活更好。在每天 2400 萬單訂單量的規模下，要確保能夠在 28 分鐘之內將外賣送到用戶的手上，背后需要有非常強大的算法和模型的計算能力。TensorFlow 提供了最先進的算法，并且有一個非常強大的工程師團隊以及非常好的開源社區在進行支持。

美團在圖像、語音、自然語言處理、知識圖譜都非常廣泛的使用了基于 TensorFlow 的深度學習算法，其在美團的搜索、推薦、廣告、金融平臺等等各項業務中也都有非常良好的效果。

出門問問是一家以語音交互及軟硬結合為核心的人工智能公司，為數百萬級的智能硬件提供中文語音交互的能力。出門問問的核心技術是云交互及語音識別，其中 TensorFlow 在語音識別的深度學習建模方面是起著非常重要的作用。

在中國已經有大量企業應用 TensorFlow 開源機器學習平臺實現底層的機器學習技術，他們致力創新，為用戶創造更美好的世界。

*以首字母順序排列

為了普及機器學習技術，使更多的企業、學生、技術愛好者可以更好的學習了解 TensorFlow。TensorFlow 團隊與 Udacity 優達學城合作，推出了完全免費的 “深度學習工具 TensorFlow 入門” ，中文字幕版本現已上線，從實踐的角度深入淺出，覆蓋基本理論與實操案例。