tensorflow 版本列表_最新｜谷歌发布TensorFlow 1.3.0版本，都更新了哪些内容？

我们所有预构建的二进制文档已用 cuDNN6 构建。我们预期在 TensorFlow 1.4 中用 cuDNN7

import tensorflow 运行地更快

向 GCS 文件系统中增加了一个文件缓存(file cache)，可对文件内容配置最大的 staleness。这能让文件内容的缓存跨越关／开的界限

向 tf.gather 增加了一个轴参数

向 tf.pad 增加了一个 constant_values 关键词参数

增加了 Dataset.interleave 转换

增加了 ConcatenateDataset 连结两个数据集

为 TensorFlow 增加了 Mobilenet 支持，进行 Poets 训练脚本

向 GCS 文档系统增加了一个块缓存(block cache)，可配置块的大小和计算

增加了 SinhArcSinh bijector

增加了 Dataset.list_files API

为 Cloud TPU 引入了新的运算和 Python 捆绑

为了与 tensorflow-安卓对称，增加了 TensorFlow-iOS CocoPod

引入了 ClusterResolvers 的基础实现

统一了 TensorShape 与 PartialTensorShape 的记忆表征。现在 tensors 最大有 254 维，不是 255.

改变了 LIBXSMM 的引用，使用 1.8.1 版本

TensorFlow 调试器(tfdbg)：

我们所有预构建的二进制文档已用 cuDNN6 构建。我们预期在 TensorFlow 1.4 中用 cuDNN7

import tensorflow 运行地更快

向 GCS 文件系统中增加了一个文件缓存(file cache)，可对文件内容配置最大的 staleness。这能让文件内容的缓存跨越关／开的界限

向 tf.gather 增加了一个轴参数

向 tf.pad 增加了一个 constant_values 关键词参数

增加了 Dataset.interleave 转换

增加了 ConcatenateDataset 连结两个数据集

为 TensorFlow 增加了 Mobilenet 支持，进行 Poets 训练脚本

向 GCS 文档系统增加了一个块缓存(block cache)，可配置块的大小和计算

增加了 SinhArcSinh bijector

增加了 Dataset.list_files API

为 Cloud TPU 引入了新的运算和 Python 捆绑

为了与 tensorflow-安卓对称，增加了 TensorFlow-iOS CocoPod

引入了 ClusterResolvers 的基础实现

统一了 TensorShape 与 PartialTensorShape 的记忆表征。现在 tensors 最大有 254 维，不是 255.

改变了 LIBXSMM 的引用，使用 1.8.1 版本

TensorFlow 调试器(tfdbg)：

使用 -s flag 控制 print_tensoror pt. 以展示数值张量值的概要

使用 print_feed 或 pf 命令和在 curses UI 中可点击的链接以展示馈送值

运行 -p 命令在运算级和 Python 原线级的 Runtime 分析器

使用 -s flag 控制 print_tensoror pt. 以展示数值张量值的概要

使用 print_feed 或 pf 命令和在 curses UI 中可点击的链接以展示馈送值

运行 -p 命令在运算级和 Python 原线级的 Runtime 分析器

首次发布统计学分布库 tf.distributions

tf.where 和 tf.nn.top_k 的 GPU 核和速度提升

添加单调性注意力封装到 tf.contrib.seq2seq 中

添加 tf.contrib.signal，一个信号处理的基元库

添加 tf.contrib.resampler，包含了 CPU 和 GPU 运算的图像可微重采样(differentiable resampling)

首次发布统计学分布库 tf.distributions

tf.where 和 tf.nn.top_k 的 GPU 核和速度提升

添加单调性注意力封装到 tf.contrib.seq2seq 中

添加 tf.contrib.signal，一个信号处理的基元库

添加 tf.contrib.resampler，包含了 CPU 和 GPU 运算的图像可微重采样(differentiable resampling)

二、API 的主要变化内容

在 1.2 最终测试版发布之后，该版本把 tf.RewriterConfig 从 Python API 中移除。图重写仍旧可用，但不像 tf.RewriterConfig 一样。相反，我们增加了一个显示的导入方式

对 tf.contrib.data.Dataset 的一个重要改变是嵌套结构。列表对象已经修改到了 tf.Tensor。你可能需要改变已有代码中列表的用法为元组。此外，字典对象现在也支持作为嵌套结构

在 1.2 最终测试版发布之后，该版本把 tf.RewriterConfig 从 Python API 中移除。图重写仍旧可用，但不像 tf.RewriterConfig 一样。相反，我们增加了一个显示的导入方式

对 tf.contrib.data.Dataset 的一个重要改变是嵌套结构。列表对象已经修改到了 tf.Tensor。你可能需要改变已有代码中列表的用法为元组。此外，字典对象现在也支持作为嵌套结构

三、Contrib API 的变动

增加 tf.contrib.nn.rank_sampled_softmax_loss，这是一个能改进 rank loss 的 sampled-softmax 变体

tf.contrib.metrics，修改 {streaming_covariance,streaming_pearson_correlation} 以在它们至少有 1 单位权重时返回 nan

在 contrib 中添加时序模型，详情查看：contrib/timeseries/README.md

在 tensorflow/contrib/lite/schema.fbs 中添加 FULLY_CONNECTED 运算

增加 tf.contrib.nn.rank_sampled_softmax_loss，这是一个能改进 rank loss 的 sampled-softmax 变体

tf.contrib.metrics，修改 {streaming_covariance,streaming_pearson_correlation} 以在它们至少有 1 单位权重时返回 nan

在 contrib 中添加时序模型，详情查看：contrib/timeseries/README.md

在 tensorflow/contrib/lite/schema.fbs 中添加 FULLY_CONNECTED 运算

四、已知的问题

Tensorflow_gpu 用 Bazel 0.5.3 编译失败

Tensorflow_gpu 用 Bazel 0.5.3 编译失败

地址：https://github.com/tensorflow/tensorflow/releases/tag/v1.3.0