前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >TensorFlow 1.2正式发布,新增Python 3.6支持

TensorFlow 1.2正式发布,新增Python 3.6支持

作者头像
量子位
发布2018-03-29 16:59:15
7640
发布2018-03-29 16:59:15
举报
文章被收录于专栏:量子位
王小新 编译整理 量子位 出品 | 公众号 QbitAI

TensorFlow 1.2.0今日正式发布。

主要功能和改进点:

  1. 在Windows系统下新增对Python 3.6的支持。
  2. 新增函数tf.layers.conv3d_transpose,用于时空反卷积操作。
  3. 新增函数tf.Session.make_callable(),降低了多次运行类似操作的计算开销。
  4. 新增基于ibverbs的RDMA支持(远程直接数据存取)(由雅虎的junshi15贡献)。
  5. RNNCell现在为tf.layers.layer的子类对象。严格来说,在tensorflow 1.1版本已经发布这个子类:第一次使用了RNNCell单元,缓存了其作用域。在接下来用到该rnncell单元时,可以重复使用同一作用域中的变量。在TensorFlow1.0.1版本及其以下中,这个关于RNNCells的调整是个突破性变化。在TensorFlow1.1版本中,已经确保先前代码能够按照新的语义正确运行;这个版本允许更灵活地使用RNNCell,但是TensorFlow版本低于1.0.1时,可能会报错。比如,写入:MultiRNNCell([lstm] * 5),将会构建一个五层LSTM网络,每层共享相同的参数。想要得到一个各层具有不同参数的LSTM网络,要写入:MultiRNNCell([LSTMCell(…) for _ in range(5)])。如果仍然不确定,先在TF 1.1中测试你的代码;确保没有报错后,再升级到TF 1.2。
  6. TensorForest Estimator已经支持用于服务的SavedModel输出。
  7. 支持客户端提供的ClusterSpec’s,分配给所有工作者,确保能创建动态更新的TensorFlow集群。
  8. TensorFlow C语言库新增对Windows系统的支持。
  9. 发布了一个新版的开源TensorBoard。
  10. 在SavedModel中,SavedModel CLI工具可用来检查和执行SavedModel。
  11. TensorFlow的安卓版本已经被推送到jcenter上,用户能更容易地部署到应用程序中。更多细节请访问: https://github.com/tensorflow/tensorflow/blob/master/tensorflow/contrib/android/readme.md
  12. 已经重命名RNNCells的变量名称,与Keras层保持一致。具体来说,先前的变量名“weights”和“biases”分别更新为“kernel”与“bias”。如果你原来的checkpoints中含有这样的RNN单元,这可能导致传播过程中的不兼容性,则可以使用checkpoint_convert scrip工具更改原有checkpoints中的变量名。
  13. 在TensorFlow1.0版本之前,许多RNN函数和子类都定义在tf.nn命名空间里,现在已经被移回核心空间。这里包括了RNNCell,LSTMCell,GRUCell和一些其他单元,如今存放在tf.nn.rnn_cell函数中(先前的tf.contrib.rnn函数向后兼容)。先前的tf.nn.rnn函数更名为tf.nn.static_rnn,双向静态和状态存储静态rnn函数也被放回tf.nn命名空间中。 还有一个需注意的例外是,EmbeddingWrapper,InputProjectionWrapper和OutputProjectionWrapper,这三者将会慢慢被移动到tf.contrib.rnn的弃用函数中。在rnn网络的预处理和后期处理阶段,应该替换掉一些低效率的包装函数,使用embedding_lookup或layers.dense进行替换。在RNN解码过程中,这一功能已经一个可用的API tf.contrib.seq2seq所取代。
  14. 英特尔MKL集成(https://software.intel.com/en-us/articles/tensorflow-optimizations-on-modern-intel-architecture)。英特尔开发了一系已经优化过的深度学习基元:除了矩阵乘法和卷积外,还包括以下模块:(1).直接批量卷积;(2).池化操作:最大化,最小化,平均化;(3).标准化:LRN,批归一化;(4).激活函数:线性整流单元(ReLU);(5).数据处理:多维移项(转换),分解,合并,相加和降维。

另外需要特别注意的是,TensorFlow 1.2可能是租后一次使用CuDNN 5.1构建。后续版本TensorFlow 1.3应该会基于CuDNN 6.0,但会尽量兼容CuDNN 5.1。

更多详情,可以访问如下地址查看:

https://github.com/tensorflow/tensorflow/releases/tag/v1.2.0

本文参与 腾讯云自媒体同步曝光计划,分享自微信公众号。
原始发表:2017-06-16,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 量子位 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
目录
  • 主要功能和改进点:
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档