TensorFlow 1.2正式发布,新增Python 3.6支持

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

原文发布于微信公众号 - 量子位(QbitAI)

原文发表时间:2017-06-16

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

来自专栏点滴积累

geotrellis使用(四)geotrellis数据处理部分细节

       前面写了几篇博客介绍了Geotrellis的简单使用,具体链接在文后,今天我主要介绍一下Geotrellis在数据处理的过程中需要注意的细节,或者...

3585
来自专栏数值分析与有限元编程

导出ANSYS模型的数据

在计算过程中,通常需要对计算结果进行统计,ANSYS计算的模型大多时候节点单元数目很多,结果数据也很多,因此在GUI界面的查询操作不太方便,工作量太大,而且结果...

4275
来自专栏fangyangcoder

tensorflow笔记(一)之基础知识

http://www.cnblogs.com/fydeblog/p/7399701.html

1162
来自专栏生信技能树

第3篇:用MACS2软件call peaks

Peak calling即利用计算的方法找出ChIP-seq或ATAC-seq中reads富集的基因组区域。

1.3K4
来自专栏梦里茶室

TensorFlow 深度学习笔记 逻辑回归 实践篇

Practical Aspects of Learning Install Ipython NoteBook 可以参考这个教程 可以直接安装anaconda,里...

2197
来自专栏蘑菇先生的技术笔记

探索c#之一致性Hash详解

2585
来自专栏Google Dart

Flutter 构建完整应用手册-图片 顶

显示图像是大多数移动应用程序的基础。 Flutter提供Image小部件以显示不同类型的图像。

2082
来自专栏AI2ML人工智能to机器学习

TF Boy 之初筵 - 分布十三式

我们在 " 机器学习平台的优化器 (平台篇、优化篇)" 里面提到TensorFlow (TF) 速度的成为深度学习的武林第一大帮。 博士好友清华,在这方面也颇有...

782
来自专栏用户2442861的专栏

Caffe中LMDB的使用

http://rayz0620.github.io/2015/05/25/lmdb_in_caffe/

2781
来自专栏杨熹的专栏

TensorFlow-6-TensorBoard 可视化学习

学习资料: https://www.tensorflow.org/get_started/summaries_and_tensorboard 中文翻译: h...

3335

扫码关注云+社区

领取腾讯云代金券