机器学习PAI支持高版本的 Tensorflow 会遇到什么问题吗？

机器学习PAI通常会支持多个TensorFlow版本，包括不同的主要版本和修订版本。使用高版本的TensorFlow可能会遇到以下一些问题：

1. 兼容性问题：高版本的TensorFlow可能引入了新的特性、API变更或废弃旧的功能。如果你的代码是基于较低版本的TensorFlow编写的，那么在升级到高版本时可能需要进行相应的修改和适配。

2. 依赖项冲突：某些库或工具可能与高版本的TensorFlow存在依赖关系，并且可能不兼容。在使用高版本TensorFlow时，你需要确保与其它库的兼容性，以避免依赖项冲突。

3. 性能和资源需求：高版本的TensorFlow通常会带来更多的功能和优化，但也可能需要更高的计算资源和硬件要求。因此，你需要确保你的系统具备足够的计算能力和资源来支持高版本TensorFlow的运行。

4. 社区支持和文档资源：相比较较低版本，高版本的TensorFlow可能在社区支持和文档资源方面相对较少。这意味着你可能需要依赖官方文档、GitHub存储库或开发者社区来获取相关文档、示例代码和支持。

为了解决这些问题，你可以考虑以下几点：

• 在升级到高版本的TensorFlow之前，先确保你的代码和依赖项与新版本兼容，并进行相应的测试。
• 阅读官方文档、GitHub存储库和开发者社区，了解有关高版本TensorFlow的最佳实践和常见问题的信息。
• 如果在过渡过程中遇到问题，寻求机器学习PAI或TensorFlow社区的支持，例如官方论坛、邮件列表或社交媒体。

总的来说，使用高版本的TensorFlow可以提供更多的功能和性能优化，但需要注意潜在的兼容性和依赖项冲突问题。经过适当的测试和准备，你应该能够成功地将高版本的TensorFlow集成到机器学习PAI中，并获得其带来的优势。

没有特别地看过哈，TF 的需求比较少。此回答整理自钉群“BladeDISC用户支持群”