Erst vor drei Monaten war Tensorflow in Version 2.0 erschienen. Seit der Version 2.0 ist auch das vormals eigenständige Deep-Learning-Projekt Keras eng an Tensorflow angebunden. Das Projekt entwickelt seither ausschließlich das Tensorflow-Modul tf.keras weiter, so dass Neuheiten nurmehr in diesem Modul zu erwarten sind.
In Version 2.1 arbeitet das Keras-Modul effizienter mit Googles TPU (Tensor Processing Units) zusammen. Ansonsten finden sich viele als experimentell gekennzeichnete Features. Neben Keras erweitert auch tf.distribute, das Paket für das verteilte Training, die Anbindung an Googles TPUs.
Version 2.1 ohne entscheidende Änderungen
Überhaupt bringt Tensorflow 2.1 keine einschneidenden Änderungen. Das wurde bereits mit der Hauptversion 2.0 erledigt. Vielmehr finden sich die Verbesserungen des Punkt-Updates eher unter der Haube. Sie erhöhen die Performance und bringen erweiterte Hardwareunterstützung.
Das Haupt-Paket tensorflow unterstützt nun nativ die Ausführung auf GPUs für Linux und Windows, setzt aber keinen Grafikprozessor voraus. Da es größer als das bisherige Package ist, mag es für GPU-Nutzer günstiger sein, weiter auf das Paket tensorflow-gpu zu setzen, während Nutzer ohne GPU auf das tensorflow-cpu-Paket zurückgreifen können.
Breaking Changes führen zu Änderungsbedarf
Neben der Einführung einiger Neuerungen hat das TensorFlow-Team einige Funktionen entfernt und APIs umbenannt. Hier müssen Entwickler im Einzelfall prüfen und im Zweifel Codeänderungen durchführen, um Inkompatibilitäten zu vermeiden.
Alle Neuerungen und Änderungen in TensorFlow 2.1 entnehmt ihr den Release-Notes auf GitHub. Übrigens ist die Version 2.1 das letzte Release, das mit Python 2 zusammenarbeitet. Der Support für Python 2 war zum Jahreswechsel offiziell ausgelaufen.
Passend dazu: Neuronale Netze entwickeln: Erste Schritte mit TensorFlow
