机器之心报道
机器之心编辑部

TensorFlow2.7 正式发布 ， 新版本包括对 tf.keras、tf.lite 等模块的改进；tf.data 现在可以支持自动分片（auto-sharding）；添加实验性 API Experiment_from_jax 以支持从 Jax 模型到 TensorFlow Lite 的转换 。

「调试代码（debug）是框架用户体验的关键部分 ， 更轻松的调试意味着更快的迭代周期 。 在此版本中 ， 我们通过三个主要更改对 TF/Keras 调试体验进行了广泛的重新设计 ， 使其更高效、更有趣……」谷歌科学家 ， Keras 发明者 Fran?ois Chollet 说道 。
11 月 5 日 ， TensorFlow 官方发布了 2.7 正式版 ， 距离上次 2.6.1 的更新刚过去一个月时间 。

文章图片

在 TensorFlow 博客上 ， 官方简述了新版本的主要升级内容：
【TensorFlow 2.7正式版上线，支持Jax模型到TensorFlow Lite转换】TensorFlow 2.7 主要变化
tf.keras：

• Model.fit()、 Model.predict() 和 Model.evaluate()方法将不再把 (batch_size, ) 的输入数据上升为 (batch_size, 1) 。 这使得 Model 子类能够在其 train_step()/ test_step()/ predict_step()方法中处理标量数据；
• Model.to_yaml()和 keras.models.model_from_yaml 方法已被替换为引发 RuntimeError ， 因为它们可能被滥用以导致任意代码执行 。 建议使用 JSON 序列化而不是 YAML ， 或者 ， 一个更好的替代方案 ， 序列化到 H5；
• LinearModel 和 WideDeepModel 被移至 tf.compat.v1.keras.models. 命名空间（ tf.compat.v1.keras.models.LinearModel 和 tf.compat.v1.keras.models.WideDeepModel） ， 其 experimental 端点 tf.keras.experimental.models.LinearModel 和 tf.keras.experimental.models.WideDeepModel 被弃用；
• 所有 tf.keras.initializers 类的 RNG 行为改变 ， 这一变化将使初始化行为在 v1 和 v2 之间保持一致 。

tf.lite：

• 重命名 schema 中的 SignatureDef 表 ， 以最大化与 TF SavedModel Signature 概念的奇偶校验 。
• 弃用 Makefile 构建 ， Makefile 用户需要将他们的构建迁移到 CMake 或 Bazel 。
• 弃用 tflite::OpResolver::GetDelegates 。 TfLite 的 BuiltinOpResolver::GetDelegates 所返回的列表现在总是空的 。 相反 ， 建议使用新方法 tflite::OpResolver::GetDelegateCreators 。

TF Core：

• tf.Graph.get_name_scope() 现在总是返回一个字符串 。 之前当在 name_scope("") 或 name_scope(None) 上下文中调用时 ， 它返回 None ，现在它返回空字符串；
• tensorflow/core/ir/ 包含一个新的基于 MLIR 的 Graph dialect ， 它与 GraphDef 同构 ， 并将用于替换基于 GraphDef（例如 Grappler）的优化；
• 弃用并删除了形状推理中的 attrs() 函数 ， 现在所有的属性都应该通过名字来查询 。
• 以下 Python 符号是在 TensorFlow 的早期版本中意外添加的 ， 现在已被删除 。 每个符号都有一个替换项 ， 但请注意替换项的参数名称是不同的：
• tf.quantize_and_dequantize_v4（在 TensorFlow 2.4 中意外引入）：改用 tf.quantization.quantize_and_dequantize_v2；
• tf.batch_mat_mul_v3（在 TensorFlow 2.6 中意外引入）：改用 tf.linalg.matmul；
• tf.sparse_segment_sum_grad（在 TensorFlow 2.6 中意外引入）：改用 tf.raw_ops.SparseSegmentSumGrad 。

将 tensorflow::int64 重命名为 int_64_t（前者是后者的别名） 。
模块化文件系统的迁移：