开发 | TensorFlow 2.0开发者测试版来啦，正式版推出指日可待
- 2019 年 11 月 1 日
- 筆記
在过去的几年里，在 GitHub 社区的高效参与下，TensorFlow 开发团队审查了 RFC，添加了许多新功能，实现了 TensorFlow 2.0 的大部分功能，并专注于易用性，这对 TensorFlow 来说是一个重要里程碑。 TensorFlow 是一项真正的社区工作，非常欢迎开发者提出建议和反馈。那么，如何提出建议和反馈，如何接收最新的资讯？下面是官方 GitHub 上给出的方法。
什么是好问题？
报告一个 Bug
请在 Github 上提交所有 Bug、错误和特性。文档和实现之间的差异、缺乏文档、性能问题或兼容性问题都是存在的。请具体说明这些问题，并在下面的地址提交所有有助于解决这些问题的信息：
- Bug/性能问题：
https://github.com/tensorflow/tensorflow/issues/new?template=00-bug-performance-issue.md
- 构建/安装问题：
https://github.com/tensorflow/tensorflow/issues/new?template=10-build-installation-issue.md
- 文档问题：
https://github.com/tensorflow/tensorflow/issues/new?template=20-documentation-issue.md
- 其他问题：
https://github.com/tensorflow/tensorflow/issues/new?template=50-other-issues.md
对于一般性问题，可以在 stackoverflow 上提交：
https://stackoverflow.com/questions/tagged/tensorflow
或者提交给到 TensorFlow 邮件组，地址是：
https://groups.google.com/a/tensorflow.org/forum/#!forum/discuss
Sparkles 提交功能请求
TensorFlow 社区成员的意见和建议受到高度重视，请将所有功能请求作为问题提交到 GitHub。
- 特征请求：
https://github.com/tensorflow/tensorflow/issues/new?template=30-feature-request.md
- TensorFlow Lite 操作请求 ：
https://github.com/tensorflow/tensorflow/issues/new?template=40-tflite-op-request.md
思考并发送反馈报告
如果你想提交有关 TensorFlow 的一般性反馈（尤其是关于 TensorFlow 2.0），请考虑提交错误日志！ 这里可以找到 TensorFlow 日志的模板和实例：
https://docs.google.com/document/d/1_-0Zzn0hqS4ltLwqWAHm41-MgE60_9zlKyPHr5c-HCs/edit?usp=sharing
一旦你完成了这样一个文件，可以通过电子邮件发送给 TensorFlow 的测试团队，邮件地址是 [email protected]。
如何参与其中
从现在开始到 TensorFlow 2.0 的发布，官方将积极维护一个讨论组，讨论出现的任何问题、评论、建议。他们将每周对 TensorFlow 2.0 进行测试，并通过 TensorFlow 测试讨论组公布结果。 请订阅 [email protected] 接收最新消息。
特定兴趣小组（SIGs）
TensorFlow 的特定兴趣小组（SIGs）支持在特定项目上的社区协作。这些小组的成员一起构建和支持 TensorFlow 的特定部分或 TensorFlow 相关的项目。
要加入有关特定主题的讨论，请订阅下面的 SIG 邮件列表：
- TensorBoard：插件开发、讨论和对 TensorFlow 可视化工具进行修改，地址是
https://groups.google.com/a/tensorflow.org/d/forum/sig-tensorboard
- Networking：添加 gRPC 以外的网络协议，地址为
https://groups.google.com/a/tensorflow.org/d/forum/networking
- I/O：支持 TensorFlow 中不可用的文件系统和格式。地址是
https://groups.google.com/a/tensorflow.org/d/forum/io
- Add-ons：TensorFlow 的扩展，确保稳定的 API。地址是
https://groups.google.com/a/tensorflow.org/d/forum/addons
- Build：关于 TensorFlow 分布和打包的讨论。
https://groups.google.com/a/tensorflow.org/d/forum/buil
来源：
https://github.com/tensorflow/community/blob/master/sigs/build/tensorflow-testing.md
