【TensorFlow | 升级】TensorFlow 1.0 发布

NOW

首届 TensorFlow 开发者大会(TensorFlow Dev Summit)已于美国时间昨日召开,YouTube 还进行了直播。更重要的是,TensorFlow 1.0 版本发布。Google Research Blog 也于昨天在 博客 中公布了这一消息。

改动

这一版本的改动还是比较大的,很多旧的 API 都已经不再使用。在 博客 中可以看到 1.0 版本更快、更灵活、更稳定(production-ready) 。TensorFlow 1.0 版本保证 Python API 的稳定性,即使以后添加新的特性也不用担心会破坏现有代码。

博客中提到的其他新版本两点(为避免翻译造成的偏差,我就直接引用原文了):

  • Python APIs have been changed to resemble NumPy more closely. For this and other backwards-incompatible changes made to support API stability going forward, please use our handy migration guide and conversion script.
  • Experimental APIs for Java and Go
  • Higher-level API modules tf.layers, tf.metrics, and tf.losses - brought over from tf.contrib.learn after incorporating skflow and TF Slim
  • Experimental release of XLA, a domain-specific compiler for TensorFlow graphs, that targets CPUs and GPUs. XLA is rapidly evolving - expect to see more progress in upcoming releases.
  • Introduction of the TensorFlow Debugger (tfdbg), a command-line interface and API for debugging live TensorFlow programs.
  • New Android demos for object detection and localization, and camera-based image stylization.
  • Installation improvements: Python 3 docker images have been added, and TensorFlow’s pip packages are now PyPI compliant. This means TensorFlow can now be installed with a simple invocation of pip install tensorflow.

升级

升级很简单(在这里感谢一下为简化 TensorFlow 安装过程的工程师们),就是一行语句,这也是安装命令:

对于 GPU 版本:

pip3 install --upgrade tensorflow-gpu

对于 CPU 版本:

pip3 install --upgrade tensorflow

右键在新标签页打开图片可查看大图

输入完回车就开始升级过程,会下载并卸载重装一些必要的包,时间长短视网速而定。

更新你的旧代码

有两种方法更新你的代码,一种就是我上面提到的用脚本自动升级,另一种就是手动更改,具体可以参考 这里

使用脚本

由于版本改动较大,TensorFlow 甚至出了一个 tf_upgrade.py 脚本来帮助你更新代码,从 这里 获取这份代码,或者点击 这里 直接下载。

对于更新单个文件,可以使用下面的命令:

python tf_upgrade.py --infile InputFile --outfile OutputFile

其中 InputFileOutputFile 分别为你的旧代码和新代码,根据你的文件名做相应的替换。例如我的旧代码是 test.py,将要生成的新代码是 test_1.0.py,则:

python tf_upgrade.py --infile test.py --outfile test_1.0.py

同时,tf_upgrade.py 会生成一个名为 report.txt 的文件,该文件记录了对旧文件做的所有改动,同时也给出了可能需要你手动更改的建议。

对于文件夹(目录),和单个文件类似,使用

python tf_upgrade.py --intree InputDir --outtree OutputDir

例如,我的 programs 位于 /home/user/cool 目录,新的生成的文件我想放到 /home/user/cool_1.0 里,则

python tf_upgrade.py --intree /home/user/cool --outtree /home/user/cool_1.0

手动更改

除了使用脚本自动更新外,还可以使用手动替换的方式。需要替换的东西有很多,我就不一一列举了,大家可以参考 官网

END

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏生信宝典

测序数据可视化 (三) - UCSC genomebrowser

UCSC 在线基因组浏览器也可用来查看基因组数据,并且其上收集了ENCODE数据,重复序列数据,物种保守信息数据,MOTIF分布等信息,对于我们在公共数据中在线...

51210
来自专栏性能与架构

Nginx的I/O性能为什么比Apache更高效?

Nginx与Apache的I/O性能差距源于他们采用不同的I/O模型 Apache - select模型 Nginx - epoll模型 特点对比 se...

38410
来自专栏我是攻城师

各种IO复用模式之select,poll,epoll,kqueue,iocp分析

上篇文章,我们介绍了Java IO框架的演变,其实编程语言的IO实现是依赖于底层的操作系统,如果OS内核不支持,那么语言层面也无能为力。任何一个跨平台的编程语言...

5271
来自专栏生信技能树

生信菜鸟团博客2周年精选文章集(6)三个最基础生信软件教程

其实我现在已经不写软件教程了! fastqc对原始测序reads质控 NCBI的blast++软件使用说明书 SRA工具sratoolkit把原始测序数据转为...

47211
来自专栏机器之心

资源 | Parris:机器学习算法自动化训练工具

3569
来自专栏企鹅号快讯

无人驾驶系列——深度学习笔记:Tensorflow的安装-windows系统

前言 近期由个人工作的需要,着手开始研究深度学习相关的内容。也是小白一枚,希望通过文字来记录自己学习过程中踩的坑,给看到的人一点帮助。 ? 目前深度学习框架中,...

2959
来自专栏IT派

什么是负载均衡?

IT派 - {技术青年圈} 持续关注互联网、大数据、人工智能领域 来源:xybaby 链接: http://www.cnblogs.com/xyb...

4127
来自专栏Java3y

操作系统第五篇【死锁】

3144
来自专栏生信技能树

在R里面对坐标进行基因组区域注释

这里可以使用大名鼎鼎的Y书开发的ChIPseeker包,加上人类的注释信息包TxDb.Hsapiens.UCSC.hg38.knownGene来进行注释,示例代...

4483
来自专栏FreeBuf

爬虫采集去重优化浅谈

以前在做漏洞Fuzz爬虫时,曾做过URL去重相关的工作,当时是参考了seay法师的文章以及网上零碎的一些资料,感觉做的很简单。近来又遇到相关问题,于是乎有了再次...

3576

扫码关注云+社区

领取腾讯云代金券