TensorFlow 1.9 正式发布！

Posted 2020-12-04 aiyprojects

 

TensorFlow 1.9 现已正式发布！请查看相应公告，及时了解一些主要特点和重大改变，轻松升级您的代码。

主要特点和改进

● tf.keras 文件升级: 新的基于 Keras 的入门以及程序员指导页

● tf.keras 升级到 Keras 2.1.6 API

● 添加 tf.keras.layers.CuDNNGRU 和 tf.keras.layers.CuDNNLSTM 层

● 对梯度提升树估算器 (gradient boosted trees estimators) 添加核心功能栏和损失 (feature columns andlosses) 的支持

● TFLite 优化转换器的 Python 界面有所扩展，命令行界面 (AKA:toco,tflite_convert) 再次包含在了标准 pip 安装中

● 优化了数据载入和文本处理：

tf.decode_compressed

tf.string_strip

tf.strings.regex_full_match

● 实验性地增加了对新的预制估算器的支持：

tf.contrib.estimator.BaselineEstimator

tf.contrib.estimator.RNNClassifier

tf.contrib.estimator.RNNEstimator

● distributions.Bijector API 支持使用新的API变化为 Bijectors 进行广播

 

重大改变

● 如果你正在打开空变量范围，用 variable_scope (tf.get_variable_scope(), ...) 替换 variable_scope (‘‘, ...)

● 用于构建自定义操作的标题已从 site-packages/external 移至 site-packages/tensorflow/include/external

Bug 修复及其他一些变更

● tfe.Network 已弃用。请从 tf.keras.Model 指定继承

● 分层变量名称在以下条件中已更改：

使用带自定义变量范围的 tf.keras.layers

在子类 tf.keras.Model 类别中使用 tf.layers

● tf.data :

Dataset.from_generator() 现能接受一个 args 列表，以便创建嵌套生成器

当 shuffle = False 或一个 SEED 通过的情况下，Dataset.list_files() 现在将会产生确定性结果

tf.contrib.data.sample_from_datasets() 和 tf.contrib.data.choose_from_datasets() 将更容易采样或更容易确定地从多个数据集中选择元素

tf.contrib.data.make_csv_dataset() 现支持引用字符串中的换行符，并删除了两个不经常使用的参数

(C++) DatasetBase::DebugString() 现已设为常量

(C++) DatasetBase::MakeIterator() 已重新更名为 DatasetBase::MakeIteratorInternal()

(C++) IteratorBase::添加了Initialize()method 以支持在迭代器构建期间提出错误

● Eager Execution :

通过 tf.GradientTape.stop_recording 添加暂停梯度计算的记录操作功能

更新文档，介绍手册

● tf.keras :

将 Keras code从_impl 文件夹中移出并移除API文件

tf.keras.Model.save_weights 现在默认以 TensorFlow 格式保存

启用数据集迭代器以传递至 tf.keras.Model 训练/评价方法

● TensorFlow Debugger (tfdbg)

修复了 TensorBoard 调试器插件在源文件大小超过 gRPC 消息限制 (4 MB) 时无法处理的问题

● tf.contrib :

tf.contrib.framework.zero_initializer 支持 ResourceVariable

添加 "constrained_optimization" 到 tensorflow/contrib????

众所周知，谷歌的AIY项目Vision Kit主要组件是 Raspberry Pi 的 Vision Bonnet 配件板。VisionBonnet板是该项目的核心，采用Intel Movidius MA2450芯片。 这种低功率视觉处理单元能够运行神经网络模型来识别物体。

 

附带的软件运行三个基于TensorFlow的神经网络。 其中一个基于谷歌的MobileNets平台，能够识别超过1,000个日常物品。 第二个可以在图像中发现面部和表情。 最后一个是专门用于识别猫，狗和人的神经网络。 Google还为AIY Vision创建了一个工具，允许您使用TensorFlow训练新模型。 该套件支持Python API以进行基本更改，例如更改按钮LED的颜色，调整扬声器音量等。

 

AIY Vision Kit（视觉套件）也是谷歌推出的一款DIY人工智能套件。AIY Vision Kit让您可以构建自己的智能相机，可以使用机器学习查看和识别对象。 所有这些都装在一个方便的小纸板盒子里，由Raspberry Pi和Intel movidius提供动力。它可以运行具有低耗处理能力的深度学习算法。