如果你的操作系統已更新到最新的版本Windows 10 20H2，在“Windows更新”設置下可以看到一個名為“查看可選更新”的新選項 。
微軟已聲明，通過這個可選更新頁，用戶可以根據需要輕松下載并安裝驅動程序和其他每月預覽更新。
此功能不是Windows的新增功能。實際上，它是Windows 7功能的回調，以前，可選更新在單獨的窗口中可用。
由于微軟已經終止了從驅動程序更新驅動程序的傳統方法，因此這個可選更新頁非常重要。現在，當你嘗試從設備管理器更新驅動程序并單擊“自動搜索驅動程序”選項時，Windows將為你提供在Windows Update上搜索更新的驅動程序的機會。
點擊“查看可選更新”鏈接時，將獲得多種類型的更新。
類型1：驅動程序更新
如前所述，由于設備管理器中不再提供驅動程序更新選項，因此可選更新頁面現在為你提供了機會。如果在頁面上展開驅動程序更新選項，則將獲得所有可用驅動程序的列表。勾選要安裝的驅動程序，然后單擊“下載并安裝”。
需要說明的是，盡量避免從此處安裝驅動程序，原因下面會介紹。
類型2：質量更新
第二種可選更新是質量更新。微軟推出了這些更新，以解決一些小錯誤，非安全性問題和穩定性問題。這些不包括安全補丁。如果你的系統運行平穩且沒有任何不穩定，則無需下載并安裝質量更新。
類型3：功能更新和內部預覽
從Windows 10版本2004起，可選更新還將包括即將發布的功能更新和Insider Previews。這是一個可喜的變化，因為現在微軟不再像以前那樣向用戶強制更新功能。現在，只有在當前版本即將終止支持時，才強制安裝Windows更新。
到目前為止，可選更新似乎是Windows 10系統的一項出色功能。你可以在一個窗口中獲得所有驅動程序和其他更新，并且可以選擇安裝所需的任何文件。但是，實際上安裝這些可選更新會帶來更多的麻煩，而不是解決當前問題。
從此頁面安裝驅動程序更新可能會使系統不穩定。在更新名稱下明確提到了安裝此更新可以解決特定問題；否則，將使用自動更新來更新驅動程序。
這顯然意味著可選更新頁面上可用的驅動程序更新并不適用于所有人。遇到某些特定問題的人可以安裝它們來解決問題。
對于可選的質量和功能更新，建議不要在發行后立即安裝它們。微軟最終將使用常規的自動更新將質量更新推送到你的系統。
就功能更新而言，建議至少等待六個月，然后再將其安裝到系統上。在發布功能更新之后立即安裝功能更新可能會帶來風險，因為它可能帶來未經測試的功能和錯誤。
如上所述，可選更新窗口上可用的驅動程序可能不是系統所需要的。但是，有時你可能會遇到一些問題，并希望更新驅動程序以解決此問題。更新驅動程序的最佳方法是訪問制造商的官方網站查找更新。也可以關注經過驗證的論壇，這些論壇將為你提供更新驅動程序的方法。
如果你不想手動解決麻煩，可以使用許多驅動程序更新應用程序，這些應用程序可以在有新版本可用時自動更新驅動程序。
如果你的Windows 10系統運行正常，則無需擔心驅動程序更新或質量更新，因為最終你將通過定期的自動更新來獲取它們。因此，在這種情況下，請避免進行可選更新。如果不是這種情況，請嘗試可選的驅動程序更新。
如果你是技術達人并且喜歡嘗試使用新版Windows 10，則可以進行可選更新，前提是你知道在出現問題時如何處理。
更多windows 10操作系統使用技巧，請關注→→#win10玩機技巧#
想了解更多精彩內容，請關注@微課傳媒
頭條號【微課傳媒】專注軟件分享，如果你喜歡玩軟件，歡迎關注、評論、收藏、轉發。
機器之心報道
機器之心編輯部
TensorFlow 2.10 已發布，還沒有更新的小伙伴現在可以更新了。
近日，TensorFlow 官方宣布， TensorFlow 2.10 來了！距離上次 2.9 版本的更新僅僅過去三個月。
TensorFlow 地址：https://blog.tensorflow.org/2022/09/whats-new-in-tensorflow-210.html
新版本的亮點包括：Keras 中新的用戶友好特性、Windows 中擴展 GPU 支持等等。此版本還標志著 TensorFlow 決策森林 (TF-DF) 1.0 版本的到來！
對于這一更新，網友還是很期待的，有人表示：「TensorFlow 2.10 增加了 64 位 Arm 支持，現在可以在 Arm 硬件上使用 pip install TensorFlow 進行安裝了。」
還有人對 TF-DF 1.0 版本的到來感到非常驚喜，并表示這是自己最期待的。
下面我們介紹一下新版本都有哪些改進。
TensorFlow 2.10 新特性
Keras
從 TensorFlow 2.10 開始，對 Keras 注意力層的 mask 處理（例如 tf.keras.layers.Attention、tf.keras.layers.AdditiveAttention ） 進行了擴展和統一。
現在 Transformer 自注意力塊可以寫成這樣：
import tensorflow as tf
embedding = tf.keras.layers.Embedding(
input_dim=10,
output_dim=3,
mask_zero=True) # Infer a correct padding mask.
# Instantiate a Keras multi-head attention (MHA) layer,
# a layer normalization layer, and an `Add` layer object.
mha = tf.keras.layers.MultiHeadAttention(key_dim=4, num_heads=1)
layernorm = tf.keras.layers.LayerNormalization()
add = tf.keras.layers.Add()
# Test input.
x = tf.constant([[1, 2, 3, 4, 5, 0, 0, 0, 0],
[1, 2, 1, 0, 0, 0, 0, 0, 0]])
# The embedding layer sets the mask.
x = embedding(x)
# The MHA layer uses and propagates the mask.
a = mha(query=x, key=x, value=x, use_causal_mask=True)
x = add([x, a]) # The `Add` layer propagates the mask.
x = layernorm(x)
# The mask made it through all layers.
print(x._keras_mask)輸出如下：
> tf.Tensor(
> [[ True True True True True False False False False]
> [ True True True False False False False False False]], shape=(2, > 9), dtype=bool)其次，在 Tensorflow2.9 版本中，tf.keras.callbacks.BackupAndRestore 回調將在 epoch 邊界備份模型和訓練狀態。在 Tensorflow 2.10 中，回調還可以每 N 個訓練 step 備份一次模型。
關于Keras 中新的用戶友好特性，還有一點值得說的是，從音頻文件目錄中輕松生成音頻分類數據集，現在使用tf.keras.utils.audio_dataset_from_directory 功能，就能從 .wav 文件目錄輕松生成音頻分類數據集。
改進 AArch64 CPU 性能：ACL / oneDNN 集成
TensorFlow 團隊與 Arm、AWS 和 Linaro 合作，通過 oneDNN 將 Arm 架構 (ACL) 的計算庫與 TensorFlow 集成，來加速 AArch64 CPU 的性能。從 TensorFlow 2.10 開始，你可以通過在運行 TensorFlow 程序之前設置環境變量 TF_ENABLE_ONEDNN_OPTS=1 來實現這一點。
在 Windows 上擴展 GPU 支持
TensorFlow 現在可以通過 TensorFlow-DirectML 插件在 Windows 上使用更廣泛的 GPU。用戶要在 AMD、Intel、NVIDIA 和 Qualcomm 等供應商提供的 DirectX 12-capable GPU 上進行模型訓練，請在本機 Windows 或 WSL2 上安裝與標準 TensorFlow CPU 包一起的插件。
TensorFlow 決策森林 1.0
隨著 Tensorflow 2.10 的發布，TF-DF（Tensorflow Decision Forests）1.0 版本正式來了。這是一個偉大的里程碑，TensorFlow 團隊改進了文檔并建立了更全面的測試，以確保 TF-DF 為專業環境做好準備。
了解更多更新，請查看 TensorFlow 官網。