tensorflow.models.rnn.rnn_cell.linear在tensorflow1.0版本之后找不到（附tensorflow1.0　API新变化）

由于版本更新关系，从原来的tensorflow低版本到升级到tensorflow1.0以上时，发现有很多API函数变化是很正常的事情，大多碰到的如：

如其中tf.nn.rnn_cell命名空间中的很多函数都发生了命名空间的变化，如转移到了tf.contrib.rnn.core_rnn_cell。

但是在修改某个程序的时候，发现原来tensorflow.models.rnn.rnn_cell.linear这个函数，居然没有发生转移。即在tf.contrib.rnn.core_rnn_cell也没有找到。

这个暂时是无解。不过由于这个函数实现的简单的线性求和，因此可以手动在程序中进行修改。

def linear(input_, output_size, scope=None):
    '''
    Linear map: output[k] = sum_i(Matrix[k, i] * args[i] ) + Bias[k]
    Args:
        args: a tensor or a list of 2D, batch x n, Tensors.
    output_size: int, second dimension of W[i].
    scope: VariableScope for the created subgraph; defaults to "Linear".
    Returns:
    A 2D Tensor with shape [batch x output_size] equal to
    sum_i(args[i] * W[i]), where W[i]s are newly created matrices.
    Raises:
    ValueError: if some of the arguments has unspecified or wrong shape.
    '''

    shape = input_.get_shape().as_list()
    if len(shape) != 2:
        raise ValueError("Linear is expecting 2D arguments: %s" % str(shape))
    if not shape[1]:
        raise ValueError("Linear expects shape[1] of arguments: %s" % str(shape))
    input_size = shape[1]

    # Now the computation.
    with tf.variable_scope(scope or "SimpleLinear"):
        matrix = tf.get_variable("Matrix", [output_size, input_size], dtype=input_.dtype)
        bias_term = tf.get_variable("Bias", [output_size], dtype=input_.dtype)

    return tf.matmul(input_, tf.transpose(matrix)) + bias_term

上述改动只是冰山一脚，tensorflow　1.0版本的改动非常大，特别是经常碰到在函数中需要将传入参数对调顺序的那种。

现将官网上提供的新变化附置如下：（以备不时这需。这部分直接引用了http://jiqizhixin.com/article/2126文章的总结。）

API 的重要更改

• TensorFlow/models 被移到了一个单独的 GitHub repository.
• 除法和取模运算符（/, //, %）现已匹配 Python（flooring）语义。这也适用于 tf.div 和 tf.mod。为了获取强制的基于整数截断的行为，你可以使用 tf.truncatediv 和 tf.truncatemod.
• tf.divide 现在是推荐的除法函数。tf.div 还将保留，但其语义将不会响应 Python 3 或 from future 机制.
• tf.reverse 现在是将轴的索引反转。例如，tf.reverse(a, [True, False, True]) 现在必须写成 tf.reverse(a, [0, 2])。tf.reverse_v2() 暂时保留，直到 1.0 final 版.
• tf.mul、tf.sub 和 tf.neg 被弃用，现在使用的是 tf.multiply、tf.subtract 和 tf.negative.
• tf.pack 和 tf.unpack 被启用，现在使用的是 tf.stack 和 tf.unstack.
• TensorArray.pack 和 TensorArray.unpack 将被启用，取而代之的是 TensorArray.stack 和 TensorArray.unstack.
• 以下 Python 函数有参数修改，以在引用特定维度时使用 axis. 我们目前基于兼容性的考量而保留了原来的关键词参数，但我们将在 1.0 final 版中移除它们。
• tf.argmax: dimension 变成 axis
• tf.argmin: dimension 变成 axis
• tf.count_nonzero: reduction_indices 变成 axis
• tf.expand_dims: dim 变成 axis
• tf.reduce_all: reduction_indices 变成 axis
• tf.reduce_any: reduction_indices 变成 axis
• tf.reduce_join: reduction_indices 变成 axis
• tf.reduce_logsumexp: reduction_indices 变成 axis
• tf.reduce_max: reduction_indices 变成 axis
• tf.reduce_mean: reduction_indices 变成 axis
• tf.reduce_min: reduction_indices 变成 axis
• tf.reduce_prod: reduction_indices 变成 axis
• tf.reduce_sum: reduction_indices 变成 axis
• tf.reverse_sequence: batch_dim 变成 batch_axis, seq_dim 变成 seq_axis
• tf.sparse_concat: concat_dim 变成 axis
• tf.sparse_reduce_sum: reduction_axes 变成 axis
• tf.sparse_reduce_sum_sparse: reduction_axes 变成 axis
• tf.sparse_split: split_dim 变成 axis
• tf.listdiff 已被重命名为 tf.setdiff1d 以匹配 NumPy 命名.
• tf.inv 已被重命名为 tf.reciprocal（分量互逆）以避免和矩阵求逆的 np.inv 混淆
• tf.round 现在使用了四舍六入五留双规则语义，以匹配 NumPy.
• tf.split 现在以相反的顺序取参数，并使用了不同的关键词。特别地，我们现在将 NumPy 顺序匹配成了 tf.split(value, num_or_size_splits, axis).
• tf.sparse_split 现在以相反的顺序取参数，并使用了不同的关键词。特别地，我们现在将 NumPy 顺序匹配成了 tf.sparse_split(sp_input, num_split, axis). 注意：现在我们暂时让 tf.sparse_split 需要关键词参数.
• 启用 tf.concat 运算符，现在请暂时切换成 tf.concat_v2 . 在 Beta 版中，我们将更新 tf.concat 以匹配 tf.concat_v2 的参数顺序.
• tf.image.decode_jpeg 默认使用更快的 DCT 方法. 速度的提升牺牲了一点保真度。你可以通过特定属性 dct_method='INTEGER_ACCURATE'来恢复原来的行为.
• tf.complex_abs 已被从 Python 接口移除. 应该使用 tf.abs，它支持复数张量.
• 模板.var_scope 属性重命名为 .variable_scope
• SyncReplicasOptimizer 被移除，SyncReplicasOptimizerV2 重命名为 SyncReplicasOptimizer.
• tf.zeros_initializer() 和 tf.ones_initializer() 现在返回一个 callable，其必须用 initializer 参数调用，在你的代码中用 tf.zeros_initializer() 替代 tf.zeros_initializer.
• SparseTensor.shape 重命名为 SparseTensor.dense_shape. SparseTensorValue.shape 也一样.
• 移除了原来的 tf summary 运算符，比如 tf.scalar_summary 和 tf.histogram_summary. 取而代之的是 tf.summary.scalar 和 tf.summary.histogram .
• 移除 tf.train.SummaryWriter 和 tf.train.SummaryWriterCache.
• 从公共 API 中移除 RegisterShape . 现在使用 C++ 形状函数注册.
• 从 Python API 弃用 _ref dtypes .