Si te encuentras con alguna parte que te causa duda puedes dejarlo en la sección de comentarios y te responderemos lo más rápido posible.
Solución:
Solo para agregar a lo que BSO escribió:
-
Como su nombre lo indica, el
tf-nightly
El paquete pip se compila y se publica en PyPI todas las noches (salvo que se produzcan fallas en la compilación, lo que rara vez ocurre). Como resultado, puede ver un historial de actualizaciones de versiones casi una vez al día. Tiene las funciones más recientes cerca del HEAD de la rama maestra de github.com/tensorflow. Por lo tanto, si desea las últimas funciones, mejoras y correcciones de errores, como las cometidas después del último establotensorflow
liberación (ver más abajo), debe usarpip install tf-nightly
. Pero la desventaja es que porquetf-nightly
Los lanzamientos no están sujetos al mismo conjunto estricto de pruebas de lanzamiento quetensorflow
, ocasionalmente incluirá errores que se solucionarán más adelante. Además, dado que está construido a partir de HEAD, reflejará el estado de desarrollo intermedio, como características incompletas. -
los
tensorflow
El paquete pip se publica según un cronograma basado en la versión semántica. Una nueva versión se lanza aproximadamente una vez cada 2 a 6 meses. Debido al conjunto completo de trabajos de prueba de lanzamiento, la calidad es superior atf-nightly
. La documentación en https://www.tensorflow.org/api_docs/python/ se actualiza una vez por actualización de versión menor en eltensorflow
paquete de pipas
El Nightly se utiliza para obtener un acceso más temprano a las últimas ideas de desarrollo de tensorflow, esta versión se actualiza diariamente. Es lo mismo que con los navegadores (ver aquí).
¿Cuál es confiable?
El tensorflow clásico pip install tensorflow
es el más fiable de los dos. esta versión ha sido probada por mucha gente antes de ser lanzada.
Reseñas y valoraciones
Si crees que te ha resultado de utilidad nuestro artículo, sería de mucha ayuda si lo compartes con más entusiastas de la programación y nos ayudes a difundir nuestro contenido.