1. Windows上支持Python3.6。
2. 时空域去卷积(spatio temporal deconvolution.)增加了tf.layers.conv3d_transpose层。
3. 增加了tf.Session.make_callable( ),为多次运行一个相同步骤的运行提供了更低的overhead手段。
4.增加了ibverbs-based RDMA支持。
5. RNNCell 对象现在从属于 tf.layers.Layer。
6. TensorForest Estimator现在支持SavedModel输出。
7. 支持用户提供的ClusterSpec’s,并把其分配给所有的工作者,以确保能创建动态的TensorFlow集群。
8. TensorFlow C 数据库现在在Windows可用。
9. 发布了一个新的开源版本的TensorBoard。
10.在SavedModel中,SavedModel CLI工具可用于MetaGraph检查和执行。
11. 安卓发布的TensorFlow现在被推送到jcenter,方便用户更加简便的融入app中。更多细节,参见:
https://github.com/tensorflow/tensorflow/blob/master/tensorflow/contrib/android/README.md
12. RNNCells 的变量名,现在已经被重命名,以与Keras层保持一致。此前的变量名称“weights”和“biases“现在已经变为”kernel”和“bias”。
13.在1.0发布前,许多的 RNN 的功能和类别都在 tf.nn 命名空间中,后被移到tf.contrib.rnn 。现在,这些功能和类别都被移回核心命名空间。其中包括 RNNCell, LSTMCell, GRUCell, 和其他的一系列 cells。 原始的 tf.nn.rnn 功能现在变成了 tf.nn.static_rnn, 双向的数据和状态存储数据rnn功能现在有备移回tf.nn 命名区。
14. Intel MKL 集成 (
https://software.intel.com/en-us/articles/tensorflow-optimizations-on-modern-intel-architecture). Intel 开发了一系列经过优化的
深度学习基元(primitives):除了矩阵乘法(matrix multiplication)和卷积以外,这些基本模块还包括:直接的批量卷积、池化(最大化、最小化和平均数)、激活(线性整流函数)ReLU、数据处理(多维移项、分解、合并、相加等)。