TensorFlow 1.11.0 已正式发布！

摘要：版本正式发布啦本文将为大家介绍此版本的一些重大改变主要功能和改进修复以及其他变化。主要特点和改进现在根据预构建的二进制文件是针对和构建的。，，开始支持分布式在中添加的分布式策略支持和独立客户端支持。

TensorFlow 1.11.0 版本正式发布啦！

本文将为大家介绍此版本的一些重大改变、主要功能和改进、Bug 修复以及其他变化。

主要特点和改进

Nvidia GPU：

现在（根据 TensorFlow 1.11）预构建的二进制文件是针对 cuDNN 7.2 和 TensorRT 4 构建的。请查看升级的安装指南：Installing TensorFlow on Ubuntu（https://www.tensorflow.org/install/install_Linux#tensorflow_gpu_support）

Google Cloud TPU：

针对 Google Cloud TPU 上的 Keras 的实验性 tf.data 集成

在 Google Cloud TPU 上对 Eager Execution 进行试验性/预览支持

分布式策略：

为 tf.keras 添加 multi-GPU 分布式策略支持。fit，evaluate，predict 开始支持分布式

在 Estimator 中添加 multi-worker 的分布式策略支持和独立客户端支持。 查看 [README] (https://github.com/tensorflow/tensorflow/tree/master/tensorflow/contrib/distribute)  了解更多细节

添加 C, C++, 和 Python 函数来查询内核

重大改变

Keras：

tf.keras 的 RandomUniform，RandomNormal 和 TruncatedNormal 初始化程序的默认值已更改，以保证与外部 Keras 中的默认值相匹配

重大改变：运行 Sequential 模型的 model.get_config() 方法，现在返回 config dictionary（与其他模型实例保持一致），不再返回基础层的配置列表

Bug 修复以及其他变化

C++：

更改了 SessionFactory::NewSession 的签名，使其能够对错误给出详细的信息

tf.data：

tf.contrib.data.make_csv_dataset() 去除了 num_parallel_parser_calls 参数

如果参数没有匹配的文件，则 tf.data.Dataset.list_files() 在初始化时会报异常

为了清晰起见，将 BigTable 类别重新命名为 BigtableTable

记录 Cloud Bigtable API 的使用情况

添加 tf.contrib.data.reduce_dataset，可用于将数据集减少到单个元素

泛化 tf.contrib.data.sliding_window_batch

INC：

对三角求解进行了运行上的改进

tf.contrib：

为 tf.keras.layers.LocallyConnected2D 和 tf.keras.layers.LocallyConnected1D 添加了 implementation 参数。 新模式（implementation = 2）在执行前向传播时以单个密集矩阵的乘积来进行，这在某些场景下会带来显著加速（但在某些场景下可能会导致性能降低 - 请参阅 docstring）。 该选项还允许使用 padding = same

添加了新文档来说明 tf.fill 和 tf.constant 之间差异

实验性地添加了 IndexedDatasets

使用 lite proto 运行时添加选择性注册目标

为 TensorFlow Lite Java 添加简单的 Tensor 和 DataType 类别

添加对 uint32 和 uint64 的 bitcasting 的支持

添加了一个 Estimator 子类，该子类可以从SavedModel（SavedModelEstimator）创建

添加叶形索引模式作为参数

从 tf.contrib.image.transform 的输入中允许不同的输出形状

将 StackedRNNCell 的 state_size 顺序更改为自然顺序。为保持现有行为，用户可以在构造 StackedRNNCell 时添加 reverse_state_order = True

弃用 self.test_session()，以支持 self.session() 或 self.cached_session()

直接导入 tensor.proto.h（传递导入将很快从 tensor.h 中删除）

Estimator.train() 现在支持开箱即用的 tf.contrib.summary。* 每次调用.train() 现在都会创建一个多带带的 tfevents 文件，不再重新使用共享文件

修复 FTRL 优化器 L2 的收缩性能：L2 收缩项的梯度不应该在累加器中终止

修复 toco 在 Windows 上编译/执行的 bug

添加了 GoogleZoneProvider 类别，以检测 TensorFlow 程序的各部分在 Google Cloud Engine 运行的位置

现在可以安全地在 nullptr 上调用任何 C API 的 TF_Delete * 函数

将 Android 上的一些错误信息记录到日志

匹配 TFLite 中的 FakeQuant 数字，以提高 TFLite 量化推理模型的准确性

GCS 文件系统的可选存储桶位置检查

StringSplitOp 和 StringSplitV2Op 的性能得到加强

正则表达式替换操作的性能得到提高

如果 if.write() 失败，TFRecordWriter 现在会报错

TPU：TPUClusterResolvers 集群解析器将会提供更详细有用的错误消息

不推荐使用 SavedModelBuilder 方法添加 MetaGraphs 的 legacy_init_op 参数。 请改用等效的 main_op 参数。我们现在在构建 SavedModel 时明确会检查单个 main_op 或 legacy_init_op，而在以前对 main_op 的检查仅在加载时进行

现在可以在 RunConfig 中配置用于 Estimator 培训的协议

三角数的求解性能得到提高

将 TF 和 Keras 的 RNN 单元的 API 进行了统一。为 Keras 和 TF 的 RNN 单元添加了新的 get_initial_state() 方法，这个方法未来将替代现有的 zero_state() 方法

更新了 Keras 中变量的初始化

在 tensorflow / contrib 中更新 “constrained_optimization”

提升树算法：添加修剪模式

tf.train.Checkpoint 默认情况下不删除旧的检查点

tfdbg：调试时，缓存的 Tensor 数据所占用的磁盘空间上限为 100 GB。 允许添加环境变量 TFDBG_DISK_BYTES_LIMIT 来调整此上限值

感谢我们的贡献者

本次的发布离不开 Google 以下许多同仁的贡献： 

Aapeli, adoda, Ag Ramesh, Amogh Mannekote, Andrew Gibiansky, Andy Craze, Anirudh Koul, Aurelien Geron, Avijit, Avijit-Nervana, Ben, Benjamin H. Myara, bhack, Brett Koonce,张天启, 张晓飞......

声明：文章收集于网络，如有侵权，请联系小编及时处理，谢谢！

商业智能与数据分析群

兴趣范围包括各种让数据产生价值的办法，实际应用案例分享与讨论，分析工具，ETL工具，数据仓库，数据挖掘工具，报表系统等全方位知识

QQ群：81035754