最近TensorFlow正式发布了2.8.0正式版，距离上次更新2.7版本没多久，新版本提供了更多的bug修复和功能改进，此外新版本还发布了针对漏洞的补丁。对于TensorFlow2.8.0的上线，网友们也??纷纷感叹，这次的bug修复也太棒了！不过也有网友迫不及待地期待着TensorFlow3.0的到来，并表示TensorFlow1到TensorFlow2是一个巨大的飞跃。2到3未来会有哪些亮眼表现呢？众所周知，TensorFlow是由谷歌开发的。最初的版本可以追溯到2015年开源的TensorFlow0.1，之后稳步发展，拥有强大的用户群，成为最流行的深度学习框架。然而，用户在使用的过程中，也暴露出TensorFlow的不足，比如API稳定性不足、静态计算图编程复杂等。于是在TensorFlow2.0版本中，Google收录了Keras，变成了tf.keras。至此，TensorFlow已经更新到2.8版本，那么新版本有哪些重要的改进呢？TensorFlow2.8.0主要功能和改进在tf.lite中，增加了TFLite内置op以支持以下功能：tf.raw_ops.Bucketizeop可以在CPU上运行；tf.whereop可用于数据类型tf.int32、tf.uint32、tf.int8、tf.uint8、tf.int64；tf.random.normalop用于在CPU上输出数据类型tf.float32；tf.random.uniformop用于在CPU上输出数据类型tf.float32；f.random.categoricalop，用于CPU上的输出数据类型tf.int64。tensorflow.experimental.tensorrt：Conversion_params在TrtGraphConverterV2中被弃用，现在可以支持参数max_workspace_size_bytes、precision_mode、minimum_segment_size、maximum_cached_engines、use_calibration和allow_build_at_runtime；在TrtGraphConverterV2中的.save()函数中添加了一个名为save_gpu_specific_engines的新参数。当为False时，.save()函数将不会保存任何构建的TRT引擎；如果为真（默认），则保留原始行为；TrtGraphConverterV2提供了一个名为.summary()的新API。它显示了每个TRTEngineOp的形状和数据类型及其输入和输出，并提供了详细的版本摘要。tf.tpu.experimental.embedding：tf.tpu.experimental.embedding.FeatureConfig增加了一个额外的参数output_shape，可以指定特征输出激活的形状；tf.tpu.experimental.embedding.TPUEmbedding现在具有相同的tf.tpu。与experimental.embedding.serving_embedding_lookup功能相同，可以使用任意秩的稠密和稀疏张量。对于参差不齐的张量，虽然输入张量仍然是2阶，但现在可以通过在特征配置中指定输出形状或通过构建方法来激活2阶或更高阶。添加tf.config.experimental.enable_op_determinism，它使TensorFlow操作能够以性能为代价确定性地运行。替换TF_DETERMINISTIC_OPS环境变量。（自TF2.7起）将PluggableDevice支持添加到TensorFlowProfiler。错误修复和对tf.data的其他改进：优化parallel_batch现在是默认设置（如果用户未禁用），它允许并行复制批处理元素；添加了TensorSliceDataset以识别和处理文件输入。tf.lite：为JavaAPI的序列化添加GPU委托支持，在OpenCL可用时将初始化时间缩短90%；弃用Interpreter::SetNumThreads以支持InterpreterBuilder::SetNumThreads。tf.kerastf.random.Generator用于keras初始化和所有RNG代码；TextVectorization添加了额外的标准化和拆分模式：standardize="lower"转换为小写字母输入；standardize="string_punctuation"删除所有标点符号；Split="character"将在每个unicode字符上拆分。添加了GPU实现：（自2.7版起）tf.math.segment_mean（自2.7版起）tf.math.segment_prod（自2.7版起）tf.math.segment_sumTensorFlow在适用于GPU和CPU的Windows子系统Linux2中可用（又名WSL2)得到验证。此外，TensorFlow2.8.0还做了一些安全修复，包括修复了执行卷积运算时浮点除以0的问题：CVE-2022-21725；修复反量化形状推断中的整数溢出问题：CVE-2022-21727；修复了ConcatV2形状推断中的类型混淆：CVE-2022-21731等。更多信息请参考：https://github.com/tensorflow/tensorflow/releases/tag/v2.8.0?linkId=8031153
