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。
对于 TensorFlow 2.8.0 的上线，网友也纷纷感叹，这次的 Bug 修复也太棒了！
不过也有网友已经迫不及待的期待 TensorFlow 3.0 的到来，并表示 TensorFlow 1 到 TensorFlow 2 是一个巨大的飞跃，将来 2 到 3 又会有哪些亮眼的表现呢？
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？
TensorFlow 2.8.0 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.Bucketize op 可在 CPU 上操作；
- tf.where op 可用于数据类型 tf.int32、tf.uint32、tf.int8、tf.uint8、tf.int64；
- tf.random.normal op 用于在 CPU 上输出数据类型 tf.float32；
- tf.random.uniform op 用于在 CPU 上输出数据类型 tf.float32；
- f.random.categorical op 用于在 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 TensorFlow ops 以性能为代价可以确定性地运行。替换 TF_DETERMINISTIC_OPS 环境变量。
（自 TF 2.7 起）向 TensorFlow Profiler 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 Java API 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：
- (自 2.7 版本开始) tf.math.segment_mean
- (自 2.7 版本开始) tf.math.segment_prod
- (自 2.7 版本开始) tf.math.segment_sum
TensorFlow 已在适用于 GPU 和 CPU 的 Windows Subsystem for Linux 2（又名 WSL 2）上得到验证。
此外，TensorFlow 2.8.0 在安全方面进行了一些修正，包括修正了执行卷积运算时浮点数被 0 除的问题：CVE-2022-21725；修正了 Dequantize 形状推断中的整数溢出问题：CVE-2022-21727；修正了 ConcatV2 形状推断中的类型混淆问题：CVE-2022-21731 等。
更多内容，请参考：https://github.com/tensorflow/tensorflow/releases/tag/v2.8.0?linkId=8031153
