日前,Google Developers blog 正式撰文发布 TensorFlow 1.4 版本,此次的更新迎来三个重大变化:Keras 位于 TensorFlow core 中,Dataset API 支持更多功能,引入效用函数 tf.estimator.train_and_evaluate 等等。
雷锋网 AI 科技评论编辑整理如下:
TensorFlow 1.4 目前已经公开,这次迎来重大更新。此次更新后,将支持很多新的、令人兴奋的特征,希望大家都能满意。
Keras
在 TensorFlow 1.4 版本中,Keras 从 tf.contrib.keras 转移到 tf.keras 核心包。Keras 目前是一个广受欢迎的机器学习框架,它的高级 API 接口能大大缩短从付诸想法到实践的时间。Keras 平滑地集成了其他 core TensorFlow 功能,包括 Estimator API。
事实上,通过调用 tf.keras.estimator.model_to_estimator 函数,大家可以从任何 Keras 模型中构建 Estimator。
此次更新后,Keras 处于 TensorFlow core 中了,大家可以在自己的产品工作流中用到它。
想要了解更多关于 Keras 的相关知识,请阅读如下链接:
简单介绍
(https://keras.io/#getting-started-30-seconds-to-keras)
Keras Sequential model API 指南
(https://keras.io/getting-started/sequential-model-guide/)
Keras Functional model API 指南
(https://keras.io/getting-started/functional-api-guide/)
想要了解更多关于 Estimator 的相关知识,请阅读如下链接:
介绍 TensorFlow Estimator 和数据集的博文
(https://developers.googleblog.com/2017/09/introducing-tensorflow-datasets.html)
数据集
TensorFlow 1.4 版本中,Dataset API 从 tf.contrib.data 中转移到 tf.data 核心包。新版 Dataset API 将支持 Python 生成器。强烈建议大家使用 Dataset API 来为 TensorFlow 模型创建 input pipeline,原因有如下几点:
比起老版的 API,这次更新的 Dataset API 提供了更多功能(feed_dict 函数、基于队列的 pipeline)
Dataset API 执行效果更好
Dataset API 更干净,更易于使用
未来的开发重点将放在 Dataset API 上,而不是着眼于之前的 API。如果想使用数据集,请阅读如下说明:
介绍 TensorFlow Estimator 和数据集的博文(链接如上)
TensorFlow 程序员数据导入篇指南
(https://www.tensorflow.org/versions/r1.4/programmers_guide/datasets)
介绍 Dataset API 的幻灯片(带有讲者注释)
(http://t.cn/RlWCD1b)
分布式训练&评估 Estimator
TensorFlow 1.4 还引入了效用函数 tf.estimator.train_and_evaluate,这能简化训练、评估以及
输出 Estimator 模型的过程。该函数在训练和评估过程中能支持分布式执行,同时也仍然支持本地执行。
其他增强功能
除了前面所述的一系列功能,TensorFlow 1.4 还引入了一些额外的增强功能,在 Release Note 有详细描述,地址:https://github.com/tensorflow/tensorflow/blob/master/RELEASE.md
安装 TensorFlow 1.4
目前可以使用标准 pip 来安装 TensorFlow 1.4 版本。
# Note: the following command will overwrite any existing TensorFlow
# installation.
$ pip install --ignore-installed --upgrade tensorflow
# Use pip for Python 2.7
# Use pip3 instead of pip for Python 3.x
另外,tensorflow.org 中的文件也已更新到 1.4 版本。
最后,TensorFlow 的强大功能依赖于社群中的贡献者们,非常感谢大家帮助我们一起进行开发。还没有加入我们社群的人,请不要犹豫,大家一起在 GitHub 开发源代码或者在 Stack Overflow 上帮助回答问题吧。
希望你们都能喜欢这些新功能。
via:Google Developers blog