TensorFlow版本号升至1.0，正式版即将到来

2015年11月份，谷歌宣布开源了深度学习框架TensorFlow，一年之后，TensorFlow就已经成长为了GitHub上最受欢迎的深度学习框架，尽管那时候TensorFlow的版本号还是v0.11。现在，TensorFlow的一岁生日之后两个月，TensorFlow社区终于决定将TensorFlow的版本号升至1.x，并刚刚发布了TensorFlow 1.0.0-alpha，其新增了实验性的Java API ，并且提升了对Android的支持。

发布地址

--官网：https://www.tensorflow.org/versions/r1.0/

--GitHub：https://github.com/tensorflow/tensorflow/releases

主要特性和提升

--TensorFlow Debugger (tfdbg)：命令行接口和API

--增加新的python 3 docker 镜像

--使pip 包兼容pypi。现在可以通过pip install tensorflow 命令来安装TensorFlow 了

--Android：人员检测+跟踪演示，是通过使用了深度神经网络的可扩展目标检测实现的

--Android：预构建的libs 现在每晚（nightly）构建

--新的（实验性的）Jave API：

https://github.com/tensorflow/tensorflow/tree/master/tensorflow/java

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.

漏洞修复和其它更改

--新指令： parallel_stack.

--为RecordReader/RecordWriter 引入常见的tf io 压缩选项常量.

--添加sparse_column_with_vocabulary_file，其能指定一个将字符串特征转换为ID 的特征列（feature column），其中的映射是通过一个词汇表文件定义的.

--添加index_to_string_table，其返回一个将索引映射到字符串的查找表.

--添加string_to_index_table，其返回一个将字符串匹配到索引的查找表.

--添加一个ParallelForWithWorkerId 函数.

--支持从contrib/session_bundle 中的v2 中的检查点恢复会话.

--添加了一个用于任意角度的tf.contrib.image.rotate 函数.

--添加了tf.contrib.framework.filter_variables，这是一个用于基于正则表达式过滤变量列表的方便函数.

--make_template() 加入了一个可选的custom_getter_ param.

--添加了关于现有目录如何被recursive_create_dir 处理的注释.

--添加了用于QR 因式分解的指令.

--Python API 中的除法和取模现在使用flooring(Python) 语义.

--Android：在contrib/android/cmake下，用于TensorFlow Inference 库的cmake/gradle build

--Android：远远更加稳健的会话初始化代码.

--Android：当debug 模式激活时，TF stats 直接出现在演示和日志中.

--Android：新的更好的README.md文档.

下载源代码

zip ：https://github.com/tensorflow/tensorflow/archive/v1.0.0-alpha.zip

tar.gz：https://github.com/tensorflow/tensorflow/archive/v1.0.0-alpha.tar.gz