TensorFlow 2.0 来了 - R 用户有哪些变化？

等待结束了 - TensorFlow 2.0 (TF 2) 现已正式发布！这对于我们这些 R 软件包 keras 和/或 tensorflow 的用户来说意味着什么？我们知道，它们依赖于 Python TensorFlow 后端？

keras tensorflow 依赖于 Python TensorFlow 后端

在我们详细介绍和解释之前，对于担心他们的 keras 代码可能会过时（但不会过时）的用户来说，这是一个明确的信号。

一切正常 keras

不要惊慌

如果您以标准方式使用 keras，例如网络上看到的大多数代码示例和教程中描述的方式，并且在最近的 keras 版本（>= 2.2.4.1）中一切运行良好，请不要担心。大多数一切都应该可以正常工作而无需进行重大更改。如果您使用的是旧版本的 keras（< 2.2.4.1），语法上一切也应该可以正常工作，但您需要检查行为/性能是否有变化。

如果您以标准方式使用 keras，例如网络上看到的大多数代码示例和教程中描述的方式，并且在最近的 keras 版本（>= 2.2.4.1）中一切运行良好，请不要担心。大多数一切都应该可以正常工作而无需进行重大更改。

keras keras

如果您使用的是旧版本的 keras (< 2.2.4.1)，语法上应该也能正常工作，但您需要检查行为/性能是否有变化。

keras

现在介绍一些新闻和背景。这篇文章旨在做三件事：

解释上述一切清楚的陈述。真的就这么简单吗——到底发生了什么？从 R 用户的角度描述 TF 2 带来的变化。也许最有趣的是：看看 r-tensorflow 生态系统中与 TF 2 的出现相关的新功能发生了什么。

解释上述一切清楚的陈述。真的就这么简单吗——到底发生了什么？

一切正常

从 R 用户的角度描述 TF 2 带来的变化。

R 用户的观点 r-tensorflow

一些背景

keras tensorflow keras tensorflow keras 原始 Python Keras keras keras 运行 $