TensorFlow 2.0 是谷歌开源机器学习框架的下一个主要版本，将于 2018 年末推出其首个测试版。TensorFlow 是 Google 对机器学习和数据科学领域的贡献，是快速开发神经网络的一般框架。 尽管 TensorFlow 相对较新，但由于其强大的抽象和易用性，已经被广泛采用作为深度学习的通用平台。
2.0 将带来哪些新特性？
除了解决性能问题之外，TensorFlow 2.0 的构建者还将纠正兼容性和连续性错误。
计划用于 TensorFlow 2.0 的核心功能是“Eager Execution”环境，通过 TensorFlow 实践更好地协调用户对编程模型的期望。Eager Execution 在 TensorFlow 1.7 中引入，是一种命令式编程环境，可在不构建图形的情况下立即评估操作，旨在使框架更易于学习和使用。
TensorFlow 2.0 计划的其他功能包括：
扩展对更多平台和语言的支持。
通过交换格式的标准化和 API 的一致性，改进平台和语言组件之间的兼容性。
删除已弃用的 API，以减少用户之间的混淆。
为了更容易地过渡到新版本，转换工具将更新 Python 代码以使用与 TensorFlow 2.0 兼容的 API，以及在无法进行转换时发出的警告。
TensorFlow 2.0 的构建者预计版本 1.x 系列中不会进一步开发功能，但在版本 2.0 发布后的一年内，版本 1.x 系列将会有安全补丁。
编译自：InfoWorld
# 例子，五层双输入单输出乘法网络
input_n = 2
dnn = tensorflow.dnn.maker(int, input_n).relu(10).relu(8).relu(6).relu(3).linear(1).done()
max_time = 10**7
min_error
dnn.train(max_time, min_error, lambda i,o: o - (i[0]+i[1]))
while true:
__i = input("Plus: ").split()
__print(dnn.run(i))
# in repl
Plus: 1 2
2
Plus: 3 10
30
...