TensorFlow 1.8.0 近日正式發(fā)布，新版本主要有以下改進(jìn)內(nèi)容：

▌主要特點(diǎn)及改進(jìn)

可以將 tf.contrib.distribute.MirroredStrategy() 傳遞給 tf.estimator.RunConfig() ，能夠在一臺(tái)有多個(gè) GPU 的機(jī)器上運(yùn)行評(píng)估器 （Estimator） 模型。

添加 tf.contrib.data.prefetch_to_device() ，支持預(yù)取 GPU 內(nèi)存。

添加梯度提升樹(shù)作為預(yù)先制作的評(píng)估器（Estimator）：BoostedTreesClassifier，BoostedTreesRegressor。

為云端 TPU 添加第三代管道配置，提高其性能和可用性。

tf.contrib.bayesflow 轉(zhuǎn)向自己的 repo。

添加了 tf.contrib.{proto，rpc} ，允許通用的原型解析和 RPC 通信。

▌Bug 修復(fù)和其他修改

tf.data:

添加 tf.contrib.data.prefetch_to_device ，可以將數(shù)據(jù)集元素預(yù)取到 GPU 內(nèi)存。

添加 tf.contrib.data.AUTOTUNE ，在 tf.data 運(yùn)行時(shí)，根據(jù)系統(tǒng)和環(huán)境自動(dòng)調(diào)整預(yù)取緩沖區(qū)大小。

添加 tf.contrib.data.make_csv_dataset ，構(gòu)建 CSV 文件數(shù)據(jù)集。

Eager Execution:

Eager Execution 數(shù)據(jù)集可以作為標(biāo)準(zhǔn)的 Python 迭代器使用（for batch in dataset:)。當(dāng) Eager Execution 啟動(dòng)時(shí)，可以使用 Dataset ._iter _() 和 Dataset.make_one_shot_iterator() 創(chuàng)建迭代器。

已啟用自動(dòng)裝置配置（即如果 GPU 是自動(dòng)接入的，則不需要使用 tf.device(“/gpu:0”)）（修復(fù)#14133）

已經(jīng)將 contrib 的 tf.GradientTape 移出。

tf.keras:

添加了 fashion mnist 數(shù)據(jù)集。

新的數(shù)據(jù)預(yù)處理功能：image/random_brightness，sequence/TimeseriesGenerator 和 text/hashing_trick。

加速線性代數(shù) (XLA):

選擇并分散參考實(shí)用程序和評(píng)估程序，使用字典順序來(lái)打破關(guān)系。

TensorFlow Debugger (tfdbg) CLI:

在 tensor-filter操作中，允許使用正則表達(dá)式排除節(jié)點(diǎn)。

修復(fù)某些文本終端的虛假背景色。

tf.contrib:

添加重構(gòu)批量維度的元分發(fā) BatchReshape 。

tf.contrib.layers.recompute_grad 用于 TPU 上的顯式梯度檢查點(diǎn)。

添 加 tf.contrib.framework.argsort 。

允許 DNNBoostedTreeCombinedEstimator 處理特征列和損失的核心版本。

添加非線性圖像變形操作： tf.contrib.image.sparse_image_warp，tf.contrib.image.dense_image_warp 和 tf.contrib.image.interpolate_spline 。

修復(fù) tensor 類型不匹配的 tf.contrib.opt.MultitaskOptimizerWrapper 中的錯(cuò)誤。

▌Other

低級(jí)圖形構(gòu)造現(xiàn)在被稱為 TensorFlow C API 。對(duì)于大多數(shù)用戶而言，這種更改不可見(jiàn)，但在這個(gè)版本中可以設(shè)置環(huán)境變量 TF_C_API_GRAPH_CONSTRUCTION = 0 來(lái)禁用此更改。未來(lái)的版本將刪除禁用此更改的功能。

在 tf.distributions.Distribution 中添加形狀描述和指向 tutorial notebook 的指針。

更新 scatter 操作：

添加 tf.scatter_min 和 tf.scatter_max；

擴(kuò)展 scatter 操作以使用標(biāo)量更新參數(shù)。

僅僅將 cuDNN RNN操作移至內(nèi)核，用于 TensorFlow 代碼庫(kù)。

為 Conv2d ， Conv2dBackpropInput 和 Conv2dBackpropFilter 添加 float64 支持。

為 AvgPool / AvgPoolGrad 添加 float64 支持。

圖名稱作用域線程為本地，以便在多線程環(huán)境中正常工作。

更新 nsync 同步庫(kù)，避免 Linux 上速度較慢的原語(yǔ)。

在構(gòu)建自定義操作時(shí)，刪除了需要在 C include 路徑中放置 nsync / public

添加 tf.image.psnr ， tf.image.ssim ， tf.image.ssim_multiscale ， tf.image.image_gradients ， tf.image.sobel_edges

將鏈接添加到 https://js.tensorflow.org

修復(fù)正交矩陣的不均勻性。

修復(fù)了多圖像評(píng)估器（Estimator）評(píng)估摘要顯示不正確的問(wèn)題。