在它的2.0版本中,TensorFlow保持其作为行业领先的机器学习框架的地位。TensorFlow最初是一个数字处理包,逐渐扩展到包括支持各种ML方法和执行环境的库,从移动CPU到大型GPU集群。在此过程中,出现了大量框架来简化网络创建和培训的任务。与此同时,其他框架,尤其是PyTorch它提供了一种命令式编程模型,使调试和执行变得更加简单和容易。TensorFlow 2.0现在默认为命令流(紧急执行)并采用Keras作为单一高级API。虽然这些变化使TensorFlow的可用性现代化,并使其与PyTorch更具竞争力,但这是一次重大的重写,经常会破坏向后兼容性——TensorFlow生态系统中的许多工具和服务框架不会立即与新版本一起工作。目前,考虑是否要在TensorFlow 2.0中进行设计和试验,但要恢复到版本1以在生产中服务和运行您的模型。