为帮助开发人员构建具有可扩展性的机器学习应用程序，Google发布了TensorFlow 2.0——这是用于训练深度学习模型的核心开源库之一。

使用此版本，开发人员可以在NVIDIA Volta和Turing GPU上使用混合精度以获得高达3倍的训练性能提升。

新版本的TensorFlow2.0与TensorRT更紧密地相集成，TensorRT是NVIDIA所推出的的高性能深度学习推理优化器，通常用于基于ResNet-50和BERT的应用程序。使用TensorRT和TensorFlow 2.0，开发人员可以在推理上实现高达7倍的加速。

此更新还包括一个经过改进的API，使TensorFlow变得更加易于使用；同时，当用户在Google Cloud上的NVIDIA T4 GPU上进行推理时，可以获得更高的性能表现。

“TensorFlow 2.0让开发机器应用程序变得更加容易，”TensorFlow团队表示，“TensorFlow 2.0将Keras紧密集成到TensorFlow中，默认情况下为贪婪执行（eager execution），并执行Pythonic函数，这使得Python开发人员对应用程序开发倍感熟悉。”

Tensorflow团队表示，对于多GPU应用，开发人员只需对Keras的Model.fit和自定义训练循环进行很少的代码更改，就可以使用分发策略API（Distribution Strategy API ）分发训练。

如果您希望从TensorFlow 1.x迁移到2.0，TensorFlow团队已经发布了一个操作指南来帮助您如何迁移。