谷歌发布TensorFlow 1.4版本：支持分布式训练，迎来三大新变化_最新动态_新闻资讯_程序员俱乐部

　　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