TensorFlow系列01——TensorFlow1.0正式发布

tensorflow开篇

1. TF1.0正式发布了

前天晚上的时候看TF文档还是挺费劲的，然后才过了几个小时，激动人心的发现TF的官方文档变得非常漂亮，从入门到一步步的提高写的非常又调理，给人非常容易亲近的感觉，再仔细一看官网，原来是TF1.0发布了。

TF1.0改进了库中的机器学习功能，发布了XLA的实验版本，对Python和Java用户开放，提升了debugging，并且加入和改进了一些高级API，其中包括Keras。一系列新的改进，都会让目前这个最受欢迎的深度学习框架变得更快、更灵活、更实用。

1. 翻译自官网

• 更快：

TensorFlow 1.0 运行速度之快令人难以置信！XLA为未来更多的性能改进奠定了基础，而且 tensorflow.org 新提供"tips & tricks"帮助用户微调模型以实现最大速度。我们将很快发布一些常用模型的更新实现，以展示如何充分利用TensorFlow 1.0：包括基于 8 GPU 对 Inception v3 实现7.3倍加速，以及基于 64 GPU 对分布式 Inception v3 训练实现58倍加速！

• 更灵活

TensorFlow 1.0 还加入了一些高级API，包括 tf.layers，tf.metrics和tf.losses模块。此外，它还包含一个全新的tf.keras模块，能够与Keras完全兼容，Keras 是另一个流行的高级神经网络库。

• 更实用

TensorFlow 1.0 还提供稳定的 Python API，这让获取新功能更容易，而且不必担心破坏现有的代码。

• TensorFlow 1.0的其他亮点：

Python APIs已经更多地向Numpy转型。对于此类和其他向后兼容的以支持API稳定发展的更改，请使用我们的迁移指南和转换脚本。

Java和Go的实验API

高级API模块tf.layers，tf.metrics和tf.losses - 在纳入skflow和TF Slim之后从tf.contrib.learn中提取

发布了面向CPU和GPU的TensorFlow图形的特定领域编译器XLA的实验版本。 XLA正在迅速发展 - 预计在未来的发布中将看到更多的进展。

生成TensorFlow Debugger（tfdbg），一个用于调试实时TensorFlow程序的命令行界面和API。

用于对象检测和本地化的新Android demos以及基于摄像头的图片样式化。

1. TensorFlow 1.0 重大功能及改善

• XLA（实验版）：初始版本的XLA，针对TensorFlow图（graph）的专用编译器，面向CPU和GPU。
• TensorFlow Debugger（tfdbg）：命令行界面和API。
• 添加了新的python 3 docker图像。
• 使pip包兼容pypi。TensorFlow现在可以通过 pip install tensorflow 命令安装。
• 更改了几个python API的调用方式，使其更类似 NumPy。
• 新的（实验版）Java API。
• Android：全新人物检测+跟踪演示实现——"Scalable Object Detection using DNN"（带有额外的YOLO对象检测器支持）。
• Android：全新基于摄像头的图像风格转换演示，使用了神经网络艺术风格转换技术。