TensorFlow 1.0正式发布！

量子位 | 问耕 编译整理

今日凌晨，在加州湾区Google总部山景城举办的TensorFlow开发者峰会上，TensorFlow 1.0版本正式发布！目前已经可以下载和更新全新的TensorFlow。官方介绍称，全新的TensorFlow 1.0深度学习框架将更快、更灵活、更实用。

TensorFlow 1.0框架将通过提供更多API的方式，提升这个深度学习框架的灵活性和实用性。TensorFlow工程总监Rajat Monga在峰会上透露，TensorFlow 1.0将对更多工具提供支持，例如K-means和支持向量机(SVM)。

此外，还将TensorFlow 1.0还将兼容Keras。

值得期待的是，Google宣布将公布一些TensorFlow提速的开源代码，例如可以让分布式Inception v3模型提速58倍之多。

TensorFlow还将支持Hexagon数字信号处理器(DS)，这个也是高通骁龙820移动芯片和微型电脑DragonBoard 820c的组成部分。

还有一个实验性的编译器XLA，这个编译器通过生成既能在GPU、又能在CPU上运行的代码，进而加速线性代数计算。XLA被认为提升了TensorFlow 的移动性，未来TensorFlow程序只需创建一个后端即可在新硬件平台上运行。

Google于2015你那推出并开源的TensorFlow，现在已经是最流行的深度学习框架，没有之一。Google计划三月底发布新的基准测试，以展示TensorFlow与其他深度学习框架相比的整合情况，同时也将放出用于执行基准测试的模型。

一周之前，Google刚刚发布了TensorFlow Fold，利用动态计算图来解决因多个输入大小结构不同无法自然地批处理到一起，而导致的处理器、内存和高速缓存利用率差的问题。

TensorFlow 1.0传送门

GitHub：https://github.com/tensorflow/tensorflow/releases/tag/v1.0.0

全部的改进和详情，请访问?上面这个网址。

TensorFlow 1.0新特性

更快

TensorFlow 1.0令人难以置信的快！XLA为未来更多的性能改进奠定了基础；而tensorflow.org 全新提供“提示和技巧”，这有助于用户调整模型以达到最大速度。

官方将很快发布一些流行模型应用的更新，一站式如何充分利用TensorFlow 1.0，例如基于8个GPU对Inception v3实现7.3倍的加速，以及基于64个GPU对分布式Inception v3训练实现58倍的加速。

更灵活

TensorFlow 1.0还带来一些高级的API，包括：tf.layers，tf.metrics以及tf.losses modules。另外，还有一个全新推出的tf.keras模块，提供与Keras完全兼容，Keras是另一个流行的高级神经网络库。

更实用

TensorFlow 1.0还会提供更稳定的Python API，这让获取新功能更加容易，而不必担心破坏现有的代码。

其他亮点

■ Python API已经变得更像NumPy。这类和其他向后兼容的更改，可以让API未来更具稳定性。官方也提供了迁移至南和转换脚本。

■ 针对Java和Go的实验性API

■ 更高级别的API模块：tf.layers，tf.metrics和tf.losses，在合并skflow和TF Slim之后，从tf.contrib.learn中获取。

■ 实验性的推出XLA：面向CPU和GPU的TensorFlow编译器。XLA正在迅速发展，预计未来会看到更多的进展。

■ TensorFlow Debugger（tfdbg）：一个用于调试实时TensorFlow程序的命令行界面和API。

■ 用于对象检测和本地化的新Android演示，以及基于摄像头的图片风格化。

■ 安装改进：添加了Python 3 docker镜像，TensorFlow的pip包现在兼容PyPI。这意味着TensorFlow现在可以通过Python的原生软件包管理器pip来安装。

升级到TensorFlow 1.0

TensorFlow 1.0中的API并不是全部支持向后兼容。也就是说，在TensorFlow 0.n上的运行的程序不一定能在TensorFlow 1.0上工作。官方提供了tf_upgrade.py脚本用于代码移植到1.0新版，但有时候需要手动更改。脚本在GitHub就有。