摘要：版本正式發布啦本文將為大家介紹此版本的一些重大改變主要功能和改進修復以及其他變化。主要特點和改進現在根據預構建的二進制文件是針對和構建的。，，開始支持分布式在中添加的分布式策略支持和獨立客戶端支持。

TensorFlow 1.11.0 版本正式發布啦！

本文將為大家介紹此版本的一些重大改變、主要功能和改進、Bug 修復以及其他變化。

主要特點和改進

Nvidia GPU：

現在（根據 TensorFlow 1.11）預構建的二進制文件是針對 cuDNN 7.2 和 TensorRT 4 構建的。請查看升級的安裝指南：Installing TensorFlow on Ubuntu（https://www.tensorflow.org/install/install_Linux#tensorflow_gpu_support）

Google Cloud TPU：

針對 Google Cloud TPU 上的 Keras 的實驗性 tf.data 集成

在 Google Cloud TPU 上對 Eager Execution 進行試驗性/預覽支持

分布式策略：

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

在 Estimator 中添加 multi-worker 的分布式策略支持和獨立客戶端支持。 查看 [README] (https://github.com/tensorflow/tensorflow/tree/master/tensorflow/contrib/distribute) ?了解更多細節

添加 C, C++, 和 Python 函數來查詢內核

重大改變

Keras：

tf.keras 的 RandomUniform，RandomNormal 和 TruncatedNormal 初始化程序的默認值已更改，以保證與外部 Keras 中的默認值相匹配

重大改變：運行 Sequential 模型的 model.get_config() 方法，現在返回 config dictionary（與其他模型實例保持一致），不再返回基礎層的配置列表

Bug 修復以及其他變化

C++：

更改了 SessionFactory::NewSession 的簽名，使其能夠對錯誤給出詳細的信息

tf.data：

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

如果參數沒有匹配的文件，則 tf.data.Dataset.list_files() 在初始化時會報異常

為了清晰起見，將 BigTable 類別重新命名為 BigtableTable

記錄 Cloud Bigtable API 的使用情況

添加 tf.contrib.data.reduce_dataset，可用于將數據集減少到單個元素

泛化 tf.contrib.data.sliding_window_batch

INC：

對三角求解進行了運行上的改進

tf.contrib：

為 tf.keras.layers.LocallyConnected2D 和 tf.keras.layers.LocallyConnected1D 添加了 implementation 參數。 新模式（implementation = 2）在執行前向傳播時以單個密集矩陣的乘積來進行，這在某些場景下會帶來顯著加速（但在某些場景下可能會導致性能降低 - 請參閱 docstring）。 該選項還允許使用 padding = same

添加了新文檔來說明 tf.fill 和 tf.constant 之間差異

實驗性地添加了 IndexedDatasets

使用 lite proto 運行時添加選擇性注冊目標

為 TensorFlow Lite Java 添加簡單的 Tensor 和 DataType 類別

添加對 uint32 和 uint64 的 bitcasting 的支持

添加了一個 Estimator 子類，該子類可以從SavedModel（SavedModelEstimator）創建

添加葉形索引模式作為參數

從 tf.contrib.image.transform 的輸入中允許不同的輸出形狀

將 StackedRNNCell 的 state_size 順序更改為自然順序。為保持現有行為，用戶可以在構造 StackedRNNCell 時添加 reverse_state_order = True

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

直接導入 tensor.proto.h（傳遞導入將很快從 tensor.h 中刪除）

Estimator.train() 現在支持開箱即用的 tf.contrib.summary。* 每次調用.train() 現在都會創建一個多帶帶的 tfevents 文件，不再重新使用共享文件

修復 FTRL 優化器 L2 的收縮性能：L2 收縮項的梯度不應該在累加器中終止

修復 toco 在 Windows 上編譯/執行的 bug

添加了 GoogleZoneProvider 類別，以檢測 TensorFlow 程序的各部分在 Google Cloud Engine 運行的位置

現在可以安全地在 nullptr 上調用任何 C API 的 TF_Delete * 函數

將 Android 上的一些錯誤信息記錄到日志

匹配 TFLite 中的 FakeQuant 數字，以提高 TFLite 量化推理模型的準確性

GCS 文件系統的可選存儲桶位置檢查

StringSplitOp 和 StringSplitV2Op 的性能得到加強

正則表達式替換操作的性能得到提高

如果 if.write() 失敗，TFRecordWriter 現在會報錯

TPU：TPUClusterResolvers 集群解析器將會提供更詳細有用的錯誤消息

不推薦使用 SavedModelBuilder 方法添加 MetaGraphs 的 legacy_init_op 參數。 請改用等效的 main_op 參數。我們現在在構建 SavedModel 時明確會檢查單個 main_op 或 legacy_init_op，而在以前對 main_op 的檢查僅在加載時進行

現在可以在 RunConfig 中配置用于 Estimator 培訓的協議

三角數的求解性能得到提高

將 TF 和 Keras 的 RNN 單元的 API 進行了統一。為 Keras 和 TF 的 RNN 單元添加了新的 get_initial_state() 方法，這個方法未來將替代現有的 zero_state() 方法

更新了 Keras 中變量的初始化

在 tensorflow / contrib 中更新 “constrained_optimization”

提升樹算法：添加修剪模式

tf.train.Checkpoint 默認情況下不刪除舊的檢查點

tfdbg：調試時，緩存的 Tensor 數據所占用的磁盤空間上限為 100 GB。 允許添加環境變量 TFDBG_DISK_BYTES_LIMIT 來調整此上限值

感謝我們的貢獻者

本次的發布離不開 Google 以下許多同仁的貢獻：?

Aapeli, adoda, Ag Ramesh, Amogh Mannekote, Andrew Gibiansky, Andy Craze, Anirudh Koul, Aurelien Geron, Avijit, Avijit-Nervana, Ben, Benjamin H. Myara, bhack, Brett Koonce,張天啟, 張曉飛......

聲明：文章收集于網絡，如有侵權，請聯系小編及時處理，謝謝！

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