Оглавление

Вышла новая версия популярного фреймворка машинного обучения TensorFlow 2.20, и главное изменение — полный отказ от модуля tf.lite в пользу нового решения LiteRT. Это не просто обновление, а стратегический шаг Google по разделению экосистемы.

Конец эпохи tf.lite

Модуль tf.lite официально объявляется устаревшим. Все разработки для инференса на устройстве теперь переходят в новый независимый репозиторий LiteRT. Новые API доступны на Kotlin и C++, что явно намекает на мобильно-ориентированную стратегию.

LiteRT, анонсированный на Google I/O ’25, предлагает существенные улучшения в производительности для NPU и GPU, что критично для современных мобильных AI-приложений. Ключевое преимущество — унифицированный интерфейс для нейропроцессоров, избавляющий от необходимости работать с вендор-специфичными компиляторами.

Технические улучшения

В tf.data добавлена опция autotune.min_parallelism в tf.data.Options, которая позволяет асинхронным операциям с данными сразу начинать работу с заданным уровнем параллелизма. Это уменьшает задержки при обработке первого элемента датасета.

Также изменен статус пакета tensorflow-io-gcs-filesystem — теперь он опциональный. Для работы с Google Cloud Storage потребуется явная установка через pip install «tensorflow[gcs-filesystem]». Примечательно, что поддержка пакета ограничена, и нет гарантий совместимости с новыми версиями Python.

Миграция с tf.lite на LiteRT — это не просто техническое обновление, а признание того, что edge-AI вырос из коротких штанишек встроенных решений. Google явно готовится к войне за мобильный инференс, где унификация аппаратных ускорителей станет ключевым преимуществом. Вопрос в том, насколько безболезненным окажется переход для существующих проектов.

Полный список изменений доступен в релизных заметках на GitHub. Отдельно отмечается, что все новости по Keras 3.0 и многобэкендовой версии теперь публикуются напрямую на keras.io.

По материалам TensorFlow Blog.