TensorFlow 1.11.0 已正式发布！

TensorFlow 1.11.0 版本正式发布啦！

 

本文将为大家介绍此版本的一些重大改变、主要功能和改进、Bug 修复以及其他变化。

 

主要特点和改进

Nvidia GPU：

现在（根据 TensorFlow 1.11）预构建的二进制文件是针对 cuDNN 7.2 和 TensorRT 4 构建的。请查看升级的安装指南：Installing TensorFlow on Ubuntu（https://www.tensorflow.org/install/install_#tensorflow_gpu_support）

 

Google Cloud TPU：

针对 Google Cloud TPU 上的 Keras 的实验性 tf.data 集成

在 Google Cloud TPU 上对 Eager Execution 进行试验性/预览支持

 

分布式策略：

为 tf.keras 添加 multi-GPU 分布式策略支持。fit，evaluate，predict 开始支持分布式

在 Estimator 中添加 multi-worker 的分布式策略支持和独立客户端支持。 查看 [README] (https://github.com/tensorflow/tensorflow/tree/master/tensorflow/contrib/distribute)  了解更多细节

 

添加 C, C++, 和 Python 函数来查询内核

重大改变

Keras：

tf.keras 的 RandomUniform，RandomNormal 和 TruncatedNormal 初始化程序的默认值已更改，以保证与外部 Keras 中的默认值相匹配

重大改变：运行 Sequential 模型的 model.get_config() 方法，现在返回 config dictionary（与其他模型实例保持一致），不再返回基础层的配置列表

 

Bug 修复以及其他变化

C++：

更改了 SessionFactory::NewSession 的签名，使其能够对错误给出详细的信息

 

tf.data：

tf.contrib.data.make_csv_dataset() 去除了 num_parallel_parser_calls 参数

如果参数没有匹配的文件，则 tf.data.Dataset.list_files() 在初始化时会报异常

为了清晰起见，将 BigTable 类别重新命名为 BigtableTable

记录 Cloud Bigtable API 的使用情况

添加 tf.contrib.data.reduce_dataset，可用于将数据集减少到单个元素

泛化 tf.contrib.data.sliding_window_batch

 

INC：

对三角求解进行了运行上的改进

 

tf.contrib：

为 tf.keras.layers.LocallyConnected2D 和 tf.keras.layers.LocallyConnected1D 添加了 implementation 参数。 新模式（implementation = 2）在执行前向传播时以单个密集矩阵的乘积来进行，这在某些场景下会带来显著加速（但在某些场景下可能会导致性能降低 - 请参阅 docstring）。 该选项还允许使用 padding = same

添加了新文档来说明 tf.fill 和 tf.constant 之间差异

实验性地添加了 IndexedDatasets

使用 lite proto 运行时添加选择性注册目标

为 TensorFlow Lite 添加简单的 Tensor 和 DataType 类别

添加对 uint32 和 uint64 的 bitcasting 的支持

添加了一个 Estimator 子类，该子类可以从SavedModel（SavedModelEstimator）创建

添加叶形索引模式作为参数

从 tf.contrib.image.transform 的输入中允许不同的输出形状

将 StackedRNNCell 的 state_size 顺序更改为自然顺序。为保持现有行为，用户可以在构造 StackedRNNCell 时添加 reverse_state_order = True

弃用 self.test_session()，以支持 self.session() 或 self.cached_session()

直接导入 tensor.proto.h（传递导入将很快从 tensor.h 中删除）

Estimator.train() 现在支持开箱即用的 tf.contrib.summary。* 每次调用.train() 现在都会创建一个单独的 tfevents 文件，不再重新使用共享文件

修复 FTRL 优化器 L2 的收缩性能：L2 收缩项的梯度不应该在累加器中终止

修复 toco 在 Windows 上编译/执行的 bug

添加了 GoogleZoneProvider 类别，以检测 TensorFlow 程序的各部分在 Google Cloud Engine 运行的位置

现在可以安全地在 nullptr 上调用任何 C API 的 TF_Delete * 函数

将 Android 上的一些错误信息记录到日志

匹配 TFLite 中的 FakeQuant 数字，以提高 TFLite 量化推理模型的准确性

GCS 文件系统的可选存储桶位置检查

StringSplitOp 和 StringSplitV2Op 的性能得到加强

正则表达式替换操作的性能得到提高

如果 if.write() 失败，TFRecordWriter 现在会报错

TPU：TPUClusterResolvers 集群解析器将会提供更详细有用的错误消息

不推荐使用 SavedModelBuilder 方法添加 MetaGraphs 的 legacy_init_op 参数。 请改用等效的 main_op 参数。我们现在在构建 SavedModel 时明确会检查单个 main_op 或 legacy_init_op，而在以前对 main_op 的检查仅在加载时进行

现在可以在 RunConfig 中配置用于 Estimator 培训的协议

三角数的求解性能得到提高

将 TF 和 Keras 的 RNN 单元的 API 进行了统一。为 Keras 和 TF 的 RNN 单元添加了新的 get_initial_state() 方法，这个方法未来将替代现有的 zero_state() 方法

更新了 Keras 中变量的初始化

在 tensorflow / contrib 中更新 “constrained_optimization”

提升树：添加修剪模式

tf.train.Checkpoint 默认情况下不删除旧的检查点

tfdbg：调试时，缓存的 Tensor 数据所占用的磁盘空间上限为 100 GB。 允许添加环境变量 TFDBG_DISK_BYTES_LIMIT 来调整此上限值

 

感谢我们的贡献者

本次的发布离不开 Google 以下许多同仁的贡献： 

Aapeli, adoda, Ag Ramesh, Amogh Mannekote, Andrew Gibiansky, Andy Craze, Anirudh Koul, Aurelien Geron, Avijit, Avijit-Nervana, Ben, Benjamin H. Myara, bhack, Brett Koonce,张天启, 张晓飞......