【TensorFlow | 升级】TensorFlow 1.0 发布

前面写了 TensorFlow 在Windows上的安装教程，当时版本还是 0.12 。

NOW

首届 TensorFlow 开发者大会（TensorFlow Dev Summit）已于美国时间昨日召开，YouTube 还进行了直播。更重要的是，TensorFlow 1.0 版本发布。Google Research Blog 也于昨天在 博客 中公布了这一消息。

---

改动

这一版本的改动还是比较大的，很多旧的 API 都已经不再使用。在 博客 中可以看到 1.0 版本更快、更灵活、更稳定（production-ready） 。TensorFlow 1.0 版本保证 Python API 的稳定性，即使以后添加新的特性也不用担心会破坏现有代码。

博客中提到的其他新版本两点（为避免翻译造成的偏差，我就直接引用原文了）：

• Python APIs have been changed to resemble NumPy more closely. For this and other backwards-incompatible changes made to support API stability going forward, please use our handy migration guide and conversion script.
• Experimental APIs for Java and Go
• Higher-level API modules tf.layers, tf.metrics, and tf.losses - brought over from tf.contrib.learn after incorporating skflow and TF Slim
• Experimental release of XLA, a domain-specific compiler for TensorFlow graphs, that targets CPUs and GPUs. XLA is rapidly evolving - expect to see more progress in upcoming releases.
• Introduction of the TensorFlow Debugger (tfdbg), a command-line interface and API for debugging live TensorFlow programs.
• New Android demos for object detection and localization, and camera-based image stylization.
• Installation improvements: Python 3 docker images have been added, and TensorFlow’s pip packages are now PyPI compliant. This means TensorFlow can now be installed with a simple invocation of pip install tensorflow.

---

升级

升级很简单（在这里感谢一下为简化 TensorFlow 安装过程的工程师们），就是一行语句，这也是安装命令：

对于 GPU 版本：

pip3 install --upgrade tensorflow-gpu

对于 CPU 版本：

pip3 install --upgrade tensorflow

右键在新标签页打开图片可查看大图

输入完回车就开始升级过程，会下载并卸载重装一些必要的包，时间长短视网速而定。

---

更新你的旧代码

有两种方法更新你的代码，一种就是我上面提到的用脚本自动升级，另一种就是手动更改，具体可以参考 这里 。

使用脚本

由于版本改动较大，TensorFlow 甚至出了一个 tf_upgrade.py 脚本来帮助你更新代码，从 这里 获取这份代码，或者点击 这里 直接下载。

对于更新单个文件，可以使用下面的命令：

python tf_upgrade.py --infile InputFile --outfile OutputFile

其中 InputFile 和 OutputFile 分别为你的旧代码和新代码，根据你的文件名做相应的替换。例如我的旧代码是 test.py，将要生成的新代码是 test_1.0.py，则：

python tf_upgrade.py --infile test.py --outfile test_1.0.py

同时，tf_upgrade.py 会生成一个名为 report.txt 的文件，该文件记录了对旧文件做的所有改动，同时也给出了可能需要你手动更改的建议。

对于文件夹（目录），和单个文件类似，使用

python tf_upgrade.py --intree InputDir --outtree OutputDir

例如，我的 programs 位于 /home/user/cool 目录，新的生成的文件我想放到 /home/user/cool_1.0 里，则

python tf_upgrade.py --intree /home/user/cool --outtree /home/user/cool_1.0

手动更改

除了使用脚本自动更新外，还可以使用手动替换的方式。需要替换的东西有很多，我就不一一列举了，大家可以参考 官网 。

---

END