TensorFlow 2.8.0正式上线，修复众多Bug，发布50多个漏洞补丁机器之心报道编辑：陈萍tens

机器之心报道
编辑：陈萍
tensorflow2.8.0来了。
近日TensorFlow官方发布了2.8.0正式版，距离上次2.7版本的更新过去没多久，新版本提供了更多的bug修复和功能改进，此外新版本还针对漏洞发布了补丁。

文章图片
对于TensorFlow2.8.0的上线，网友也纷纷感叹，这次的Bug修复也太棒了！

文章图片
不过也有网友已经迫不及待的期待TensorFlow3.0的到来，并表示TensorFlow1到TensorFlow2是一个巨大的飞跃，将来2到3又会有哪些亮眼的表现呢？

文章图片
众所周知， TensorFlow由谷歌开发，最初版本可追溯到2015年开源的TensorFlow0.1 ，之后发展稳定，拥有强大的用户群体，成为最受欢迎的深度学习框架。但是用户在使用时，也暴露了TensorFlow缺点，例如API稳定性不足、静态计算图编程复杂等缺陷。因此在TensorFlow2.0版本，谷歌将Keras纳入进来，成为tf.keras ，到目前为止， 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支持以下功能：
tf.raw_ops.Bucketizeop可在CPU上操作；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用于在CPU上的输出数据类型tf.int64 。【TensorFlow 2.8.0正式上线，修复众多Bug，发布50多个漏洞补丁】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()函数不会保存任何已构建的TRT引擎；如果为True（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及其输入和输出的形状和dtype ，并提供了详细版本摘要。tf.tpu.experimental.embedding：
tf.tpu.experimental.embedding.FeatureConfig增加了一个额外的参数output_shape ，它可以指定特征输出激活的形状；tf.tpu.experimental.embedding.TPUEmbedding现在具有与tf.tpu.experimental.embedding.serving_embedding_lookup相同的功能，它可以使用任意等级密集和稀疏的张量。对于不规则张量，尽管输入张量仍然是2级，但现在可以通过在特征配置中指定输出形状或通过build方法来激活2级或更高级别。添加tf.config.experimental.enable_op_determinism ，这使得TensorFlowops以性能为代价可以确定性地运行。替换TF_DETERMINISTIC_OPS环境变量。
（自TF2.7起）向TensorFlowProfiler添加PluggableDevice支持。
Bug修复和其他改进
tf.data：
如果用户未禁用，现在优化parallel_batch现在成为默认值，这样可以并行复制批处理元素；添加了TensorSliceDataset ，用于识别和处理文件输入。tf.lite：
为JavaAPI的序列化添加GPU委托支持，当OpenCL可用时，这将初始化时间提高了90%；弃用Interpreter::SetNumThreads ，支持InterpreterBuilder::SetNumThreads 。tf.keras
tf.random.Generator用于keras初始化和所有的RNG代码；TextVectorization增加了额外的standardize和split模式：standardize=''lower''转化为小写字母输入；standardize=''string_punctuation''删除所有标点符号；Split=''character''将对每个unicode字符进行拆分。增加GPU实现：