TensorFlow学习笔记--1.0 版本的更改

转自 http://blog.csdn.net/l18930738887/article/details/54960158

主要是常用的api有一定的更改：

tf.mul、tf.sub 和 tf.neg 被弃用，现在使用的是 tf.multiply、tf.subtract 和 tf.negative.

可视化的api有较多改变。可以直接参考我的另一篇博客

http://blog.csdn.NET/l18930738887/article/details/55000008

新的版本中这些方法已经木有了~~~各位注意下。

最好的方法还是看官方文档：

https://github.com/tensorflow/tensorflow/releases

=======1.0更改的api

TensorFlow/models 被移到了一个单独的 GitHub repository.

除法和取模运算符（/, //, %）现已匹配 Python（flooring）语义。这也适用于 tf.div 和 tf.mod。为了获取强制的基于整数截断的行为，你可以使用 tf.truncatediv 和 tf.truncatemod.

tf.divide 现在是推荐的除法函数。tf.div 还将保留，但其语义将不会响应 Python 3 或 from future 机制.

tf.reverse 现在是将轴的索引反转。例如，tf.reverse(a, [True, False, True]) 现在必须写成 tf.reverse(a, [0, 2])。tf.reverse_v2() 暂时保留，直到 1.0 final 版.

tf.mul、tf.sub 和 tf.neg 被弃用，现在使用的是 tf.multiply、tf.subtract 和 tf.negative.

tf.pack 和 tf.unpack 被启用，现在使用的是 tf.stack 和 tf.unstack.

TensorArray.pack 和 TensorArray.unpack 将被启用，取而代之的是 TensorArray.stack 和 TensorArray.unstack.

以下 Python 函数有参数修改，以在引用特定维度时使用 axis. 我们目前基于兼容性的考量而保留了原来的关键词参数，但我们将在 1.0 final 版中移除它们。

tf.argmax: dimension 变成 axis

tf.argmin: dimension 变成 axis

tf.count_nonzero: reduction_indices 变成 axis

tf.expand_dims: dim 变成 axis

tf.reduce_all: reduction_indices 变成 axis

tf.reduce_any: reduction_indices 变成 axis

tf.reduce_join: reduction_indices 变成 axis

tf.reduce_logsumexp: reduction_indices 变成 axis

tf.reduce_max: reduction_indices 变成 axis

tf.reduce_mean: reduction_indices 变成 axis

tf.reduce_min: reduction_indices 变成 axis

tf.reduce_prod: reduction_indices 变成 axis

tf.reduce_sum: reduction_indices 变成 axis

tf.reverse_sequence: batch_dim 变成 batch_axis, seq_dim 变成 seq_axis

tf.sparse_concat: concat_dim 变成 axis

tf.sparse_reduce_sum: reduction_axes 变成 axis

tf.sparse_reduce_sum_sparse: reduction_axes 变成 axis

tf.sparse_split: split_dim 变成 axis

tf.listdiff 已被重命名为 tf.setdiff1d 以匹配 NumPy 命名.

tf.inv 已被重命名为 tf.reciprocal（分量互逆）以避免和矩阵求逆的 np.inv 混淆

tf.round 现在使用了四舍六入五留双规则语义，以匹配 NumPy.

tf.split 现在以相反的顺序取参数，并使用了不同的关键词。特别地，我们现在将 NumPy 顺序匹配成了 tf.split(value, num_or_size_splits, axis).

tf.sparse_split 现在以相反的顺序取参数，并使用了不同的关键词。特别地，我们现在将 NumPy 顺序匹配成了 tf.sparse_split(sp_input, num_split, axis). 注意：现在我们暂时让 tf.sparse_split 需要关键词参数.

启用 tf.concat 运算符，现在请暂时切换成 tf.concat_v2 . 在 Beta 版中，我们将更新 tf.concat 以匹配 tf.concat_v2 的参数顺序.

tf.image.decode_jpeg 默认使用更快的 DCT 方法. 速度的提升牺牲了一点保真度。你可以通过特定属性 dct_method='INTEGER_ACCURATE'来恢复原来的行为.

tf.complex_abs 已被从 Python 接口移除. 应该使用 tf.abs，它支持复数张量.

模板.var_scope 属性重命名为 .variable_scope

SyncReplicasOptimizer 被移除，SyncReplicasOptimizerV2 重命名为 SyncReplicasOptimizer.

tf.zeros_initializer() 和 tf.ones_initializer() 现在返回一个 callable，其必须用 initializer 参数调用，在你的代码中用 tf.zeros_initializer() 替代 tf.zeros_initializer.

SparseTensor.shape 重命名为 SparseTensor.dense_shape. SparseTensorValue.shape 也一样.

移除了原来的 tf summary 运算符，比如 tf.scalar_summary 和 tf.histogram_summary. 取而代之的是 tf.summary.scalar 和 tf.summary.histogram .

移除 tf.train.SummaryWriter 和 tf.train.SummaryWriterCache.

从公共 API 中移除 RegisterShape . 现在使用 C++ 形状函数注册.

从 Python API 弃用 _ref dtypes .