谷歌发布 TensorFlow 1.4.0 版本，Keras 成为核心模块，API 变动较大

近日，TensorFlow 1.4.0 版本公布在了 GitHub 上，它更新和完善了一些主要功能，修复了一些 bug，并做出了其他变动，其中 API 方面的变动较大。

GitHub 地址：https://github.com/tensorflow/tensorflow/releases/tag/v1.4.0

主要功能与提升

• tf.keras 现在是 TensorFlow API 内核的一部分。
  
• tf.data 现在是 TensorFlow API 内核的一部分。
  

1.     API 现在让步于后向兼容性保证。
   
2.    有关从 tf.contrib.dataAPI 迁移的指导，请参见          https://github.com/tensorflow/tensorflow/blob/r1.4/tensorflow/contrib/data/README.md。
   
3. 主要的新功能包括用于从 Python 生成器构建输入通道的 Dataset.from_generator() 和应用自定义转换功能的 Dataset.apply() 方法。
   
4. 若干个自定义转换功能已添加，包括 tf.contrib.data.batch_and_drop_remainder() 和

• 为简单的分布式 Estimator 训练添加 train_and_evaluate。
  
• 为计算 DCT-II 而添加 tf.spectral.dct。
  
• （通过 GPU 和梯度支持）把梅尔频率倒谱（Mel-Frequency Cepstral）系数支持添加到 tf.contrib.signal。
  
• 为 Windows DLL 问题在 import tensorflow 上添加一个自我检查。
  
• 在 GPU 上为 tf.depth_to_space 添加 NCHW 支持。
  
• TensorFlow 调试器（tfdbg）：
  

1. 添加 eval 指令，以允许评估 tfdbg 命令行接口中独断的 Python/numpy 表达式。详情参见调试 TensorFlow 程序：https://www.tensorflow.org/programmers_guide/debugger。
   
2. 可用性改进：常用的张量滤波器 has_inf_or_nan 现在被添加到 Session 包装器，并默认 hook。因此没有必要为客户端再次调用.add_tensor_filter(tf_debug.has_inf_or_nan)。

• SinhArcsinh (scalar) 分布被添加到 contrib.distributions。
  
• 开源 GANEstimator。
  
• Estimator.export_savedmodel() 现在包含所有有效的、可从服务性输入接收器（Serving Input Receiver）和所有可用的 ExportOutput 构建的服务性签名。比如，除了分类性的输出，一个分类器也许可以提供回归和预测性的输出。从这些输出中构建签名允许 TF 服务通过不同的 API（分类、回归和预测）满足请求。进而，serving_input_receiver_fn() 现在也许可指定作为输入的节点的替代性子集。比如，这允许为接受原始张量而不是系列化的 tf.Example 分类器生成一个预测签名。
• 添加 tf.contrib.bayesflow.hmc。
  
• 添加 tf.contrib.distributions.MixtureSameFamily。
  
• 每次默认迭代之后总是重新调整 Dataset.shuffle()。
  
• 添加 tf.contrib.bayesflow.metropolis_hastings。
  
• 添加 log_rate parameter to tf.contrib.distributions.Poisson。
  
• 扩展 tf.contrib.distributions.bijector API 以处理一些 non-injective 转换。
• Java：
  

1. 用于提高类型安全性的泛型。
   
2. 支持多维度弦张量。
   
3. 支持在 Linux 和 OS X 上加载自定义运算。
   

• 我们所有的预构建二进制已通过 CUDA 8 和 cuDNN 6 构建完成。 我们将发行带有 CUDA 9 和 cuDNN 7 的 TensorFlow 1.5 版本。
  

Bug 修复与其他改变

• tf.nn.rnn_cell.DropoutWrapper 现在更在意放弃 LSTM 状态。具体来讲，它不再放弃一个 LSTMStateTuple 的 c（内存）状态。新的行为为 LSTM 和堆栈 LSTM 带来了合适的 dropout 行为。这一 Bug 修复遵从了已发表文献的建议，但是一个行为改变。状态 dropout 行为也许通过新的 dropout_state_filter_visitor 参数被自定义。
  
• 删除 tf.contrib.training.python_input。通过新的 tf.contrib.data.Dataset.from_generator 方法，相同行为在一个更加灵活和可重用的工具包中是可用的。
• 修复 tf.contrib.distributions.Affine 错误计算的 log-det-jacobian。
  
• 修复 tf.random_gamma 错误处理的非批处理、标量绘制。
  
• 在 TensorForest TreePredictionsV4Op 中重新解决一个竞赛条件。
  
• 谷歌云存储文件系统、Amazon S3 文件系统和 Hadoop 文件系统支持现在是默认的构建选项。
  
• 自定义操作库必须链接到 ibtensorflow_framework.so（安装在 tf.sysconfig.get_lib()）。
  
• 改变 RunConfig 默认行为从而不设置一个随机种子，保持随机行为在分布式工作器上独立地随机。我们期待这可从整体上提升训练性能。依赖于决定论的模型应该明确地设置一个随机种子。
  

API 的突破性改变

• tf.contrib.data.rejection_resample() 功能的签名已被改变。它现在返回到一个可用作 Dataset.apply() 参数的函数。
  
• 删除 tf.contrib.data.Iterator.from_dataset() 方法，并使用 Dataset.make_initializable_iterator()。
  
• 删除很少使用的和不必要的 tf.contrib.data.Iterator.dispose_op()。
  
• 通过非后向、可兼容的方式重新排序一些 TFGAN 损失函数。
  

已知问题

• 在 Python 3 中，Dataset.from_generator() 不支持 Unicode 字符串。你必须早生成器产生它们之前把所有字符串转化为字节对象。
  

下载

• 源代码（zip）：https://github.com/tensorflow/tensorflow/archive/v1.4.0.zip
  
• 源代码（tar.gz）：https://github.com/tensorflow/tensorflow/archive/v1.4.0.tar.gz