升级Tensorflow到1.2版本

提示：扫一扫查出行
【扫一扫了解最新限行尾号】
复制提示

TensorFlow 今天发布最新版 1.2.0，公布了14大最新功能。新智元带来最新介绍，包括 API 的重要变化、contrib API的变化和Bug 修复及其他改变。附代码链接。

主要的功能和改进

1. Windows上支持Python3.6。

2. 时空域去卷积（spatio temporal deconvolution.）增加了tf.layers.conv3d_transpose层。

3. 增加了tf.Session.make_callable( )，为多次运行一个相同步骤的运行提供了更低的overhead手段。

4.增加了ibverbs-based RDMA支持。。

5. RNNCell 对象现在从属于 tf.layers.Layer，在TensorFlow 1.1 发布时的严格描述已经被删除：一个RNNCell首次被使用，它自己缓存其范围（scope）。所有将来使用的RNNCell都会对来自相同的范围的中的变量进行重复使用。对于TensorFlow1.0.1及其以下版本中的RNNCell来说，这是一个突破性的改变。TensorFlow 1.1 版本已经经过检验，以保证旧的代码在新的语义下也能正确的工作。新版本会让RNNCell的使用变得更加灵活，但是，如果使用为TensorFlow 1.0.1 以下版本所写的代码，可能会导致一些微小的错误。例如，输入MultiRNNCell([lstm] * 5) 将会搭建起一个5层的LSTM堆栈，每一层共享相同的参数。为了让5层中每一层都有自己的参数，输入MultiRNNCell([LSTMCell(...) for _ in range(5)]). 如果不太确定，你可以先在TF 1.1中测试你的代码，保证没有任何错误后，再升级到TF 1.2。

6. TensorForest Estimator现在支持SavedModel输出。

7. 支持用户提供的ClusterSpec’s，并把其分配给所有的工作者，以确保能创建动态的TensorFlow集群。

8. TensorFlow C 数据库现在在Windows可用。

9. 发布了一个新的开源版本的TensorBoard。

10.在SavedModel中，SavedModel CLI工具可用于MetaGraph检查和执行。

11. 安卓发布的TensorFlow现在被推送到jcenter，方便用户更加简便的融入app中。更多细节，参见：https://github.com/tensorflow/tensorflow/blob/master/tensorflow/contrib/android/README.md

12. RNNCells 的变量名，现在已经被重命名，以与Keras层保持一致。具体地，此前的变量名称“weights”和“biases“现在已经变为”kernel”和“bias”。如果你的旧的checkpoints中包含了这样的 RNN cells，这可能会导致反馈的不一致，此时你可以使用工具checkpoint_convert 来改变旧的checkpoints中的变量名字。

13.在1.0发布前，许多的 RNN 的功能和类别都在 tf.nn 命名空间中，后被移到tf.contrib.rnn 。现在，这些功能和类别都被移回核心命名空间。其中包括 RNNCell, LSTMCell, GRUCell, 和其他的一系列 cells。原始的 tf.nn.rnn 功能现在变成了tf.nn.static_rnn, 双向的数据和状态存储数据rnn功能现在有备移回tf.nn 命名区。

比较值得一提的例外有： EmbeddingWrapper, InputProjectionWrapper和

OutputProjectionWrapper，三者将会被逐渐搬到tf.contrib.rnn 的deprecation中。有一些无效的wrapper，需要经常进行替换，在rnn的预处理和后处理阶段，用所谓的embedding_lookup 或layers.dense进行替换。在RNN的解码中，这一功能性将会被一个在tf.contrib.seq2seq.

中可用的API取代。

14. Intel MKL 集成 (https://software.intel.com/en-us/articles/tensorflow-optimizations-on-modern-intel-architecture). Intel 开发了一系列经过优化的深度学习基元（primitives）：除了矩阵乘法（matrix multiplication）和卷积以外，这些基本模块还包括：直接的批量卷积、池化（最大化、最小化和平均数）、激活（线性整流函数）ReLU、数据处理（多维移项、分解、合并、相加等）。

https://github.com/tensorflow/tensorflow/releases

源码：https://github.com/tensorflow/tensorflow/archive/v1.2.0.zip