在頂級機器學(xué)習(xí)開源項目中，TensorFlow憑借著其完整性、易用性、活躍度以及76.2K的Star榮登榜首。作為最受歡迎的開源機器學(xué)習(xí)項目之一，TensorFlow 1.4版本的最近更新有很大變化，新功能甚至是一些bug修復(fù)。

Jeff Dean在第一屆年度TensorFlow開發(fā)者峰會上表示，當谷歌開源TensorFlow時，希望為全球所有人建立一個機器學(xué)習(xí)平臺。他們在實現(xiàn)這一目標方面做得很好，TensorFlow無疑是GitHub上最受歡迎的機器學(xué)習(xí)項目。

讓我們來看看1.4版本具備哪些新功能吧!

Keras

TensorFlow 1.4版本最大的變化之一就是新增了對流行機器學(xué)習(xí)框架Keras的支持。Keras已經(jīng)從核心包tf.keras中分離出來，高級API旨在最大限度減少想法和工作實施之間的時間。它還與其他TensorFlow API(包括Estimator API)順利集成。由于Keras現(xiàn)在是TensorFlow核心的一部分，因此可以依靠其生產(chǎn)工作流程。(了解Keras，歡迎訪問https://keras.io/#getting-started-30-seconds-to-keras)

數(shù)據(jù)集

這是另一個可以跳轉(zhuǎn)到核心軟件包的API：tf.data。Dataset API已經(jīng)同步到1.4版，并為Python生成器提供了額外支持。

未來，TensorFlow團隊強烈建議使用Dataset API為TensorFlow模型創(chuàng)建輸入管道。因為它提供了比舊管道(如feed_dict或基于隊列的管道)更多的功能。它也有更好更全面的表現(xiàn)以及更簡潔，更容易使用。

此外，TensorFlow團隊明確表示，他們將重點關(guān)注Dataset API，以便將來的進一步開發(fā)而不是加速其他舊API。

Bug修復(fù)

現(xiàn)在默認的構(gòu)建選項包括Google云存儲文件系統(tǒng)，Amazon S3文件系統(tǒng)和Hadoop文件系統(tǒng)。

自定義操作庫必須鏈接到libtensorflow_framework.so(安裝在tf.sysconfig.get_lib())。

tf.nn.rnn_cell.DropoutWrapper現(xiàn)在更加注意移除LSTM狀態(tài)。具體來說，它不再放棄LSTMStateTuple的c(內(nèi)存)狀態(tài)。這個bug修復(fù)遵循已發(fā)表文獻的建議，但有一些更改。狀態(tài)行為可以通過新的dropout_state_filter_visitor參數(shù)來定制。

重大更改

tf.contrib.data.rejection_resample()函數(shù)的簽名已更改?，F(xiàn)在它返回一個可以用作Dataset.apply()的參數(shù)的函數(shù)。

Removetf.contrib.data.Iterator.from_dataset()方法使用Dataset.make_initializable_iterator()代替。

刪除很少使用和不必要的tf.contrib.data.Iterator.dispose_op()。

已知問題

Datset.from_generator()不支持Python 3中的Unicode字符串。在從生成器生成字符串之前，程序員需要將字符串轉(zhuǎn)換為字節(jié)對象。

安裝TensorFlow 1.4

TensorFlow 1.4版本現(xiàn)可以使用標準的pip安裝。程序員也可以在GitHub和TensorFlow網(wǎng)站上找到它。(Github開源地址：https://github.com/tensorflow)