TensorFlow 1.9.0 正式版來了！新手指南全新改版

時間 2019-11-30

標籤 tensorflow 1.9.0 正式新手指南全新改版简体版

原文原文鏈接

TensorFlow 1.9.0正式版來了！python

谷歌大腦研究員、Keras做者François Chollet對於這一版本評價甚高，他說：「不論是不是TF用戶都應該看一看：TF最近進步巨大。這是通往ML將來的一大步。」git

那麼，此次更新究竟都涉及什麼功能呢？程序員

首先是對Keras的支持。Keras是一個深度學習的高級API，把建立和訓練模型所需的工做整合成了不少模塊，TensorFlow是它的一個後端。在TensorFlow中，它叫tf.keras。github

如今，TensorFlow的新手指南變了樣，帶領小白們從Keras入手，還附上了一個詳細的Keras Guide。算法

同時，TensorFlow裏的Keras自己也有提高。tf.keras升級到了Keras 2.1.6 API，新增了tf.keras.layers.CuDNNGRU和tf.keras.layers.CuDNNLSTM，分別用於更快的GRU實現和更快是LSTM實現。編程

主要特色和改進後端

更新文檔tf.keras：基於新Keras的入門和程序員指南頁面。微信
爲Keras 2.1.6 API更新tf.keras。網絡
添加tf.keras.layers.CuDNNGRU和tf.keras.layers.CuDNNLSTM層。機器學習
將核心功能列的支持和損失添加到梯度boosted tree估計器中。
Python接口用於TFLite優化轉換器已擴展，命令行界面（toco，tflite_convert）再次包括在標準pip安裝。

經過如下方式改進數據加載和處理文本：

tf.decode_compressed
tf.string_strip
tf.strings.regex_full_match

爲新的預製估算器添加了實驗支持：

tf.contrib.estimator.BaselineEstimator
tf.contrib.estimator.RNNClassifier
tf.contrib.estimator.RNNEstimator

distributions.Bijector API以新的API變化支持Bijectors。

突破性變化

若是你打開空變量範圍，用variable_scope(tf.get_variable_scope(), …)替換variable_scope(」, …)。
用於構建自定義操做的標頭已從site-packages / external移至site-packages / tensorflow / include / external。

錯誤修復和其餘更改

tfe.Network已棄用，請用tf.keras.Model。

分層變量名稱在如下條件中已更改：

使用tf.keras.layers自定義變量範圍。
在一個子類的tf.keras.Model使用tf.layers。

tf.data：

Dataset.from_generator()如今接受一個args列表，以便建立嵌套的生成器。
當shuffle=Falsea或a seed經過時，Dataset.list_files()會產生肯定的結果。
tf.contrib.data.sample_from_datasets()而且tf.contrib.data.choose_from_datasets()能夠更輕鬆地從多個數據集中抽樣或肯定性地選擇元素。
tf.contrib.data.make_csv_dataset() 如今支持引用字符串中的換行符，並刪除兩個不經常使用的參數。
（C ++）DatasetBase::DebugString()如今爲const。
（C ++）DatasetBase::MakeIterator()已重命名爲DatasetBase::MakeIteratorInternal()。
添加了（C ++）IteratorBase::Initialize()方法以支持在迭代器構造期間引起錯誤。

Eager Execution：

經過tf.GradientTape.stop_recording增長了暫停梯度計算的記錄操做的功能。
更新了文檔，介紹性筆記。

tf.keras：

將Keras代碼移出_impl文件夾並刪除API文件。
tf.keras.Model.save_weights如今默認以TensorFlow格式保存。
啓用數據集迭代器以傳遞給tf.keras.Modeltraining / eval方法。

TensorFlow調試器（tfdbg）

修復了TensorBoard調試器插件沒法處理超過gRPC消息大小限制（4 MB）的總源文件大小的問題。

tf.contrib：

tf.contrib.framework.zero_initializer支持ResourceVariable。
將「constrained_optimization」添加到tensorflow / contrib。

其餘

添加GCS配置操做。
更改簽名MakeIterator以啓用傳播錯誤狀態。
兩個Dirichlet分佈的KL分歧。
對於超過EOF的某些讀取，GcsFileSystem行爲更一致。
更新tf.scan的基準以匹配eager和graph模式的範圍。
爲複雜dtypes修復tf.reduce_prod gradient了錯誤。
在變量中容許使用’.’（例如「hparams.parse（’ab = 1.0’）」），以前這會致使錯誤。這將對應於具備嵌入式’.’的屬性名稱。符號（例如’a.b’），只能間接訪問（例如經過getattr和setattr）。要設置它，用戶首先須要將變量顯式添加到hparam對象（例如「hparams.add_hparam（name =’a.b’，value = 0.0）」）。
graph和eager模式下tf.scan的基準。
增長了對FFT，FFT2D，FFT3D，IFFT，IFFT2D和IFFT3D的complex128支持。
使ids獨特nn.embedding_lookup_sparse，當批處理中存在重複的ID時，這有助於減小用於查找嵌入的RPC調用。
在boosted tree中支持指標列。
防止tf.gradients()經過整數張量反向傳播。
將LinearOperator [1D，2D，3D] Circulant添加到tensorflow.linalg。
Conv3D，Conv3DBackpropInput，Conv3DBackpropFilter如今可提供任意支持。
添加tf.train.Checkpoint用於讀寫基於對象的檢查點。
添加了LinearOperatorKronecker，無密集實現克羅內克積。
容許LinearOperator進行廣播。
SavedModelBuilder如今將重複刪除指向具備相同基本名稱和相同內容的文件的資源名稱。請注意，若是以前具備相同名稱但內容不一樣的資源相互覆蓋，則可能會致使新資源文件包含在SavedModels中。