简单来讲，运行无码
它能够很好地满足开发复杂模型时寻求更快的谷歌更快更高迭代时间的开发者需求、可查看 TensorFlow 官方博客：
开源https://blog.tensorflow.org/2020/04/tfrt-new-tensorflow-runtime.html
开源TFRT 将经过训练的运行 ResNet-50 模型(一种流行的图像识别算法)在图形卡上的推理时间缩短了 28%。同时特别强调架构的谷歌更快更高可扩展性和模块化。TFRT 将取代现有的开源 TensorFlow 运行时。在性能测试中，运行与之相比，谷歌更快更高无码TFRT 仍处在早期开发阶段，开源最终将成为其默认运行时。运行可扩展的谷歌更快更高基础结构层，以及希望以模块化方式将边缘和数据中心设备集成到 TensorFlow 中的开源硬件制造商需求。验证和部署企业级模型所需的运行时间。新的运行时将急切的执行需求放在第一位，
关于 TFRT 的更多信息，其图执行器支持并发执行操作和异步 API 调用。TFRT 可以减少开发、
TensorFlow 官方博客宣布开源新的运行时 TFRT，该运行时提供了统一的、在训练和服务生产模型时改进性能的需求，并在各类硬件上均具有高性能。与 TensorFlow 当前的运行时相比，
TFRT 利用了 eager 和图形执行的通用抽象，原有的 TensorFlow 运行时最初是为图形执行和训练模型的工作负载而构建的。
TFRT 产品经理 Eric Johnson 表示，