摘要：主要的功能和改進上支持。對象現在從屬于，在發布時的嚴格描述已經被刪除一個首次被使用，它自己緩存其范圍。在發布前，許多的的功能和類別都在命名空間中，后被移到。雖然我們會盡量保持源代碼與兼容，但不能保證。為增加了雙線性插值。

主要的功能和改進

1. Windows上支持Python3.6。

2. 時空域去卷積（spatio temporal deconvolution.）增加了tf.layers.conv3d_transpose層。

3. 增加了tf.Session.make_callable( )，為多次運行一個相同步驟的運行提供了更低的overhead手段。

4.增加了ibverbs-based RDMA支持。（感謝來自雅虎的@junshi15 ）。

5. RNNCell 對象現在從屬于 tf.layers.Layer，在TensorFlow 1.1 發布時的嚴格描述已經被刪除：一個RNNCell首次被使用，它自己緩存其范圍（scope）。所有將來使用的RNNCell都會對來自相同的范圍的中的變量進行重復使用。對于TensorFlow1.0.1及其以下版本中的RNNCell來說，這是一個突破性的改變。TensorFlow 1.1 版本已經經過檢驗，以保證舊的代碼在新的語義下也能正確的工作。新版本會讓RNNCell的使用變得更加靈活，但是，如果使用為TensorFlow 1.0.1 以下版本所寫的代碼，可能會導致一些微小的錯誤。例如，輸入MultiRNNCell([lstm] * 5) 將會搭建起一個5層的LSTM堆棧，每一層共享相同的參數。為了讓5層中每一層都有自己的參數，輸入MultiRNNCell([LSTMCell(...) for _ in range(5)]). ?如果不太確定，你可以先在TF 1.1中測試你的代碼，保證沒有任何錯誤后，再升級到TF 1.2。

6. TensorForest Estimator現在支持SavedModel輸出。

7. 支持用戶提供的ClusterSpec’s，并把其分配給所有的工作者，以確保能創建動態的TensorFlow集群。

8. TensorFlow C 數據庫現在在Windows可用。

9. 發布了一個新的開源版本的TensorBoard。

10.在SavedModel中，SavedModel CLI工具可用于MetaGraph檢查和執行。

11. 安卓發布的TensorFlow現在被推送到jcenter，方便用戶更加簡便的融入app中。更多細節，參見：https://github.com/tensorflow/tensorflow/blob/master/tensorflow/contrib/android/README.md

12. RNNCells 的變量名，現在已經被重命名，以與Keras層保持一致。具體地，此前的變量名稱“weights”和“biases“現在已經變為”kernel”和“bias”。如果你的舊的checkpoints中包含了這樣的 RNN cells，這可能會導致反饋的不一致，此時你可以使用工具checkpoint_convert script來改變舊的checkpoints中的變量名字。

13.在1.0發布前，許多的 RNN 的功能和類別都在 tf.nn 命名空間中，后被移到tf.contrib.rnn 。現在，這些功能和類別都被移回核心命名空間。其中包括 RNNCell, LSTMCell, GRUCell, 和其他的一系列 cells。 原始的 tf.nn.rnn 功能現在變成了 tf.nn.static_rnn, 雙向的數據和狀態存儲數據rnn功能現在有備移回tf.nn 命名區。

?

比較值得一提的例外有： EmbeddingWrapper, InputProjectionWrapper 和

OutputProjectionWrapper，三者將會被逐漸搬到tf.contrib.rnn 的deprecation中。有一些無效的wrapper，需要經常進行替換，在rnn的預處理和后處理階段，用所謂的embedding_lookup 或 layers.dense進行替換。在RNN的解碼中，這一功能性將會被一個在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 開發了一系列經過優化的深度學習基元（primitives）：除了矩陣乘法（matrix multiplication）和卷積以外，這些基本模塊還包括：直接的批量卷積、池化（較大化、最小化和平均數）、激活（線性整流函數）ReLU、數據處理（多維移項、分解、合并、相加等）。

棄用

TensorFlow 1.2 可能是我們最后一次使用 cuDNN 5.1 構建。從 TensorFlow 1.3 開始，我們將嘗試使用 cuDNN 6.0 構建所有與構建的二進制文件。雖然我們會盡量保持源代碼與 cuDNN 5.1 兼容，但不能保證。

API 的重要變化

org.tensorflow.contrib.android.TensorFlowInferenceInterface 現在在可能的情況下會引起異常，并簡化了方法簽名。

?

contrib API的變化

增加了 tf.contrib.util.create_example。

為 tf.contrib.image 增加了雙線性插值。

為自定義seed control 的隨機操作增加 tf.contrib.stateless。

MultivariateNormalFullCovariance 添加到 contrib/distributions/

tensorflow/contrib/rnn 經歷RNN cell變量重命名以與Keras層一致。具體來說，先前的變量名稱“weights”和“biases”分別改為“kernel”和“bias”。對于包含 RNN cells等的舊檢查點，這可能會導致向后不兼容，在這種情況下，你可以使用checkpoint_convert 腳本來轉換舊檢查點的變量名稱。

在TensorFlow中添加了tf.contrib.kernel_methods 模塊，包含對原始（顯式）核方法的Ops和estimators。

?

Bug 修復及其他改變

在Python，類型屬性上的 Operation.get_attr 恢復了類型的 Python DType版本，以匹配預期的 get_attr文檔，而不是protobuf枚舉。

構建iOS庫時，MIN_SDK版本更改為8.0。

修復了LIBXSMM集成。

使 decode_jpeg / decode_png / decode_gif 能夠處理所有格式，因為用戶經常嘗試將圖像解碼為錯誤的類型。

改善了隱式 broadcasting lowering。

通過更快地重試過時的傳輸來提高GCS / Bigquery客戶端的穩定性。

刪除OpKernelConstruction :: op_def（）作為最小化原型依賴關系的一部分。

添加了VectorLaplaceDiag分布。

Android demo不再需要libtensorflow_demo.so來運行（libtensorflow_inference.so仍然需要）。

添加了 categorical_column_with_vocabulary_file。

在Session :: Run（）調用中引入batching/unbatching張量的操作。

添加了 tf.log_sigmoid(x) = tf.log(tf.sigmoid(x)) = -tf.nn.softplus(-x).

將hooks lists更改為不可變元組，現在允許對相關參數進行任何迭代。?

引入了 TFDecorator。?

為語音特征生成添加了Mfcc操作。

改進了DirectSession :: Run（）和錯誤檢查。提供一個錯誤類型的值將同步引發INVALID_ARGUMENT錯誤，而不是異步地引發INTERNAL錯誤。在提供錯誤類型的張量時，取決于（未定義）行為的代碼可能需要更新。

添加了unreduced NONE，并減少MEAN選項的損失。從其他 Reduction 常數刪除“WEIGHTED_”前綴。

assertAllClose現在能處理dicts。

為HloInstructions添加了Gmock匹配器。

將變量名稱添加到變量恢復的錯誤。

為音頻特征生成添加了AudioSpectrogram 操作。

為損失添加了 reduction 參數。

tf.placeholder可以表示標量形狀并且部分是已知的。

刪除了estimateator_spec（mode）參數。

如果超過40次運行，TensorBoard將默認禁用所有運行。

刪除了舊的doc生成器代碼。

GCS文件系統集成現在支持域存儲桶，例如gs：//bucket.domain.com/path。

為輸出文本添加了tf.summary.text到TensorBoard。

tfdbg的命令行接口的“run”命令現在支持按節點名稱，操作類型和張量類型過濾張量。

tf.string_to_number現在支持int64和float64輸出。

貢獻者名單

4F2E4A2E, Aaron Schumacher, Abhi Agg, admcrae, Adriano Carmezim, Adrià Arrufat,agramesh1, Akimitsu Seo, Alan Mosca, Alex Egg, Alex Rothberg, Alexander Heinecke,Alexander Matyasko, Alexandr Baranezky, Alexandre Caulier, Ali Siddiqui, Anand Venkat,Andrew Hundt, Androbin, Anmol Sharma, Arie, Arno Leist, Arron Cao, AuréLien Geron, Bairen Yi, Beomsu Kim, Carl Thomé, cfperez, Changming Sun, Corey Wharton, critiqjo, Dalei Li, Daniel，Rasmussen, Daniel Trebbien, DaríO Here?ú, David Eng, David Norman, David Y. Zhang, Davy Song, ddurham2, Deepak Subburam, Dmytro Kyrychuk, Dominic Rossi, Dominik Schl?Sser, Dustin Tran,Eduardo Pinho, Egil Martinsson, Elliot Saba, Eric Bigelow, Erik Smistad, Evan Klitzke,Fabrizio Milo, Falcon Dai, Fei Gao, FloopCZ, Fung Lam, Gautam, GBLin5566, Greg Peatfield,Gu Wang, Guenther Schmuelling, Hans Pabst, Harun Gunaydin, Huaizheng, Ido Shamay, Ikaro Silva, Ilya Edrenkin, Immexxx, James Mishra, Jamie Cooke, Jay Young, Jayaram Bobba,Jianfei Wang, jinghua2, Joey Meyer, John Maidens, Jonghoon Jin, Julian Villella,Jun Kim, Jun Shi, Junwei Pan, jyegerlehner, Karan Desai, Karel Van De Plassche,Kb Sriram, KhabarlakKonstantin, Koan-Sin Tan, krivard, Kwotsin, Leandro Gracia Gil,Li Chen, Liangliang He, Louie Helm, lspvic, Luiz Henrique Soares, LáSzló Csomor, Mark Wong, Mathew Wicks, Matthew Rahtz, Maxwell Paul Brickner, Michael Hofmann, Miguel，Flores Ruiz De Eguino, MikeTam1021, Mortada Mehyar, Mycosynth, Namnamseo,Nate Harada, Neven Miculinic, Nghia Tran, Nick Lyu, Niranjan Hasabnis, Nishidha, Oleksii，Kuchaiev, Oyesh Mann Singh, Panmari, Patrick, Paul Van Eck, Piyush Chaudhary, Quim Llimona,Raingo, Richard Davies, Ruben Vereecken, Sahit Chintalapudi, Sam Abrahams, Santiago Castro,Scott Sievert, Sean O"Keefe, Sebastian Schlecht, Shane, Shubhankar Deshpande, Spencer Schaber,Sunyeop Lee, t13m, td2014, Thomas H. P. Andersen, Toby Petty, Umang Mehta,Vadim Markovtsev, Valentin Iovene, Vincent Zhao, Vit Stepanovs, Vivek Rane, Vu Pham, wannabesrevenge,weipingpku, wuhaixutab, wydwww, Xiang Gao, Xiaolin Lin, xiaoyaozhuzi, Yaroslav Bulatov, Yi Liu,Yoshihiro Sugi, Yuan (Terry) Tang, Yuming Wang, Yuxin Wu, Zader Zheng, Zhaojun Zhang, zhengjiajin, ZhipengShen, Ziming Dong, zjj2wry

下載

源代碼：https://github.com/tensorflow/tensorflow/archive/v1.2.0.zip

開源地址：https://github.com/tensorflow/tensorflow/releases

商業智能與數據分析群

興趣范圍包括各種讓數據產生價值的辦法，實際應用案例分享與討論，分析工具，ETL工具，數據倉庫，數據挖掘工具，報表系統等全方位知識

QQ群：81035754