2.5　小结

TensorFlow 2.0是一个丰富的生态开发系统，由两个主要部分组成：训练和伺服。训练包括一组用于处理数据集的库（tf.data）、一组用于构建模型的库（包括高阶库（tf.keras和估算器）、低阶库（tf.*））和一个预训练模型（tf.hub）的集合，这将在第5章中进行讨论。训练可通过分布式策略在CPU、GPU和TPU上进行，并可使用适当的库来保存结果。伺服可在多种平台上进行，包括本地、云、Android（安卓）、iOS、Raspberry Pi（树莓派）、任何支持JavaScript的浏览器和Node.js。TensorFlow 2.0支持多语言绑定，包括Python、C、C#、Java、Swift、R等。图2-6总结了本章中讨论的TensorFlow 2.0的架构：

图2-6　TensorFlow 2.0架构总览

• tf.data用于高效加载模型。
• tf.keras和估算器是高阶库，TensorFlow 1.x的功能仍可通过tf.*低阶库访问。tf.keras支持即刻计算，并通过tf.function保持了低阶计算图的性能。tf.hub是一个很好的预训练模型集合，可以立即使用。
• 分布式策略允许训练在CPU、GPU和TPU上运行。
• SavedModel可以在多个平台上兼容。

在本章中，我们讨论了TensorFlow 1.x和2.x之间的主要区别，并回顾了2.x中最新可用的强大功能。本章讨论的关键主题是TensorFlow 1.x的计算图以及TensorFlow 2.x的优点，例如支持即刻执行、分布式和TPU训练。下一章将介绍回归，它是功能非常强大的工具，可用于数学建模、分类和预测。