前言
3 月 7 日淩晨，谷歌 TensorFlow 開發者峰會（TensorFlow Dev Summit 2019）在美國加州舉行。自今年 1 月份谷歌放出 TensorFlow 2.0 開發者預覽版，開發者們如今終于迎來了萬衆期待的 TensorFlow 2.0 Alpha 版的正式釋出。也許是為了呼應谷歌此前将 TensorFlow 2.0 稱作重要的「裡程碑」，TensorFlow 的 Logo 也從過去的三維積木狀變成了扁平化風格的「T」和「F」字母拼接。
新Logo
除了釋出 TensorFlow 2.0 Alpha 版，谷歌在本次大會上還釋出了「一籮筐」圍繞 TensorFlow 的其他軟體的更新和最新成果，包括：經過更新的 TensorFlow Lite 1.0、TensorFlow js 1.0 和 Swift for TensorFlow 0.2 ，端到端的機器學習平台 TensorFlow Extended (TFX) 以及兩款面向隐私問題的 TensorFlow Federated 開源架構和 TensorFlow Privacy 開源庫。
另外值得一提的是，随着 TensorFlow 2.0 Alpha 版的到來，谷歌還釋出了兩門深度學習課程：Udacity 的《TensorFlow 深度學習簡介》和 Deeplearning.ai 的《TensorFlow：從基礎知識到掌握專業化》系列課程。
TensorFlow 2.0 Alpha 版：強調簡單易用性
今年 1 月份，谷歌就放出 TensorFlow 2.0 開發者預覽版，引起了開發者們的滿腔期待。而不到兩個月後随之而來的 TensorFlow 開發者峰會，其最受關注的環節莫過于 TensorFlow 2.0 Alpha 版的釋出。
據悉，針對 TensorFlow 2.0，TensorFlow 團隊聽取了開發者關于「簡化 API、減少備援并改進文檔和示例」的建議來進行設計，将 TensorFlow 2.0 Alpha 版的更新重點放在簡單和易用性上，主要進行了以下更新：
1、使用 Keras 和 eager execution，輕松建立簡單的模型并執行
2、在任何平台上的實作生産環境的模型部署
3、為研究提供強大的實驗工具
4、通過清除不推薦使用的 API 和減少重複來簡化 API
同時，在過去的幾年中，谷歌陸續在 TensorFlow 中添加了許多元件，而 TensorFlow 2.0 Alpha 版中則将這些元件将打包成了一個綜合性平台，支援從訓練到部署的機器學習工作流，其新架構的簡化概念圖如下所示：
新架構
而更簡單化的新架構更是帶來了更加簡潔的工作流，即：先使用 tf.data 建立的輸入管道讀取訓練資料；然後使用 tf.keras 或 Premade Estimators 建構、訓練和驗證模型；接着用 eager execution 進行運作和調試；再使用 Distribution Strategy API 在不更改模型定義的情況下，基于 CPU、GPU 等不同硬體配置上分布和訓練模型；最後将模型導出到 SavedModel 儲存。其工作流如下圖所示：
工作流圖
此外，TensorFlow 2.0 Alpha 版還帶來了一些新的功能，允許研究人員和進階使用者使用豐富的擴充進行實驗，如 Ragged Tensors、TensorFlow Probability、Tensor2Tensor 等。
為了簡化代碼遷移到 TensorFlow 2.0 的過程，谷歌還提供一個轉換工具和指導文檔用來更新 TensorFlow 1.x Python 代碼以使用與 TensorFlow 2.0 相容的 API，并将無法自動轉換的代碼标記出來。
在 API 方面的更新也是 TensorFlow 2.0 Alpha 版的一大亮點，其将 Keras API 指定為建構和訓練深度學習模型的進階 API，并舍棄掉其他 API。另外值得一提的是，Keras 提供了幾個模型建構 API，例如可以利用 Sequential API 構模組化型，然後使用「compile」和「fit」，tensorflow.org 中所有常見的」tf.keras」示例均可在 2.0 中便捷使用。
TensorFlow 2.0 Alpha 版的另一個最明顯的改變就是将用于機器學習的實驗和研究平台——Eager execution 設定為預設優先模式，這就意味着任何運算在調用後就會立即運作，進而不再需要預先定義靜态圖，就可以通過「tf.Session.run()」執行圖的各個部分，讓執行過程變得更加簡單和快捷。
此外，Eager execution 還有助于原型制作、調試和監控運作中的代碼，使用者可使用 Python 調試程式檢查變量、層及梯度等對象，并利用裝飾器「@tf.function」中内置的 Autograph 直接擷取圖表優化和效率，這整個過程不僅能夠保留 TensorFlow1.x 基于靜态計算圖執行的所有優點：性能優化、遠端執行，以及序列化、導出和部署的能力，同時還增加了用簡單 Python 表達程式的靈活性和易用性。
整體而言，TensorFlow 2.0 Alpha 版具有以下三大特性：
第一，易用性，其主要展現在使用 tf.keras 作為進階 API，且将 Eager execution 作為預設模式。
第二，簡潔性，其主要展現在 TensorFlow 2.0 Alpha 版删除了重複的功能，并且不同 API 的調用文法也變得一緻、直覺，同時它的相容性更加完善。
第三，靈活性，其主要展現在 TensorFlow 2.0 Alpha 版提供了完整的低級 API，并可以在 tf.raw_ops 中通路内部操作，同時還提供了變量、checkpoint 以及層的可繼承接口。
開發者峰會上，TensorFlow 工程總監 Rajat Monga 也向大家呈現了 TensorFlow 這幾年來的「戰績」：自 2015 年 11 月推出以來，TensorFlow 總下載下傳量超過 4100 萬次，送出了 5 萬多次代碼更新，目前已有 1800 多名來自全世界的貢獻者。
而随着更加順從民意、使用更加簡單的 TensorFlow 2.0 Alpha 版的釋出，TensorFlow 又将收獲怎樣的成績呢？大家可以拭目以待。
TensorFlow 2.0 Alpha 版官方網址：https://www.tensorflow.org/alpha
TensorFlow 2.0 Alpha 版開源位址：https://github.com/orgs/tensorflow/projects/4
https://www.toutiao.com/a6666606736964583939/