tensorflow numpy版本匹配_TensorFlow 2.4.0 候选版本发布

主要功能改进

• tf.distribution 通过 tf.distribution.experimental.ParameterServerStrategy API 引入了对 Keras 模型异步训练实验性支持。更多细节请参见下文。
• MultiWorkerMirroredStrategy 不再是一个实验性 API，现在已进入稳定版本。针对命令执行失败和其他错误进行了修复。请查看具体教程，了解如何使用 Keras 进行多任务并行训练。
• 对 tf.experimental.numpy 的新模块进行了实验性支持，此 API 不仅与 NumPy 兼容，更便于编写 TF 程序，可参阅详细指南了解更多信息，更多细节请参见下文。

• 针对 Ampere 架构的 GPU 添加了 TensorFlow-32(简称TF32) 的支持，这是一种基于 Nvidia Ampere 的GPU模式，默认情况下将启用。

• Keras Functional API 的内部重构已经完成，这次重构提高了构建 Functional 模型的可靠性、稳定性和性能。
• Keras 混合精度训练的 API tf.keras.mixed_precision 已稳定，不再为实验性支持。这允许在训练过程中使用 16 位浮点数格式，在 GPU 上的性能提升高达 3 倍，在 TPU 的提升也高达 60 %。
• TF Profiler 现在支持使用采样模式 API ，对多个工作进程进行性能分析。
• TFLite Profiler Android 版本现已推出。请参阅指南以了解更多信息。

• TensorFlow pip 安装包现已使用 CUDA11 和 cuDNN 8.0.2构建。

重大改进

• C-API 的字符串张量的字节布局已被更新，已与 TF Core/C++ 匹配，即 tensorflow::