升级Tensorflow到1.2版本

栏目: 数据库 · 发布时间: 7年前

内容简介:升级Tensorflow到1.2版本

升级Tensorflow到1.2版本

TensorFlow 今天发布最新版 1.2.0,公布了14大最新功能。新智元带来最新介绍,包括 API 的重要变化、contrib API的变化和Bug 修复及其他改变。附代码链接。

主要的功能和改进

1. Windows上支持 Python 3.6。

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,在TensorFlow 1.1 发布时的严格描述已经被删除:一个RNNCell首次被使用,它自己缓存其范围(scope)。所有将来使用的RNNCell都会对来自相同的范围的中的变量进行重复使用。对于TensorFlow1.0.1及其以下版本中的RNNCell来说,这是一个突破性的改变。TensorFlow 1.1 版本已经经过检验,以保证旧的代码在新的语义下也能正确的工作。新版本会让RNNCell的使用变得更加灵活,但是,如果使用为TensorFlow 1.0.1 以下版本所写的代码,可能会导致一些微小的错误。例如,输入MultiRNNCell([lstm] * 5) 将会搭建起一个5层的LSTM堆栈,每一层共享相同的参数。为了让5层中每一层都有自己的参数,输入MultiRNNCell([LSTMCell(...) for _ in range(5)]). 如果不太确定,你可以先在TF 1.1中测试你的代码,保证没有任何错误后,再升级到TF 1.2。

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。具体地,此前的变量名称“weights”和“biases“现在已经变为”kernel”和“bias”。如果你的旧的checkpoints中包含了这样的 RNN cells,这可能会导致反馈的不一致,此时你可以使用工具checkpoint_convert 来改变旧的checkpoints中的变量名字。

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。

比较值得一提的例外有: EmbeddingWrapper, InputProjectionWrapper和

OutputProjectionWrapper,三者将会被逐渐搬到tf.contrib.rnn 的deprecation中。有一些无效的wrapper,需要经常进行替换,在rnn的预处理和后处理阶段,用所谓的embedding_lookup 或layers.dense进行替换。在RNN的解码中,这一功能性将会被一个在tf.contrib.seq2seq.

中可用的API取代。

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)。

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

源码: https://github.com/tensorflow/tensorflow/archive/v1.2.0.zip

1. 俄罗斯方块游戏开发

http://edu.csdn.net/course/detail/5110

2. 

boost库入门基础

http://edu.csdn.net/course/detail/5029

3. Arduino入门基础

http://edu.csdn.net/course/detail/4931

4. Unity5.x游戏基础入门

http://edu.csdn.net/course/detail/4810

5. TensorFlow API攻略

http://edu.csdn.net/course/detail/4495

6. TensorFlow入门基本教程

http://edu.csdn.net/course/detail/4369

7. C++标准模板库从入门到精通 

http://edu.csdn.net/course/detail/3324

8.跟老菜鸟学C++

http://edu.csdn.net/course/detail/2901

9. 跟老菜鸟学python

http://edu.csdn.net/course/detail/2592

10. 在VC2015里学会使用tinyxml库

http://edu.csdn.net/course/detail/2590

11. 在Windows下SVN的版本管理与实战 

 

http://edu.csdn.net/course/detail/2579

12.Visual Studio 2015开发C++程序的基本使用 

http://edu.csdn.net/course/detail/2570

13.在VC2015里使用protobuf协议

http://edu.csdn.net/course/detail/2582

14.在VC2015里学会使用 MySQL 数据库

http://edu.csdn.net/course/detail/2672

以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持 码农网

查看所有标签

猜你喜欢:

本站部分资源来源于网络,本站转载出于传递更多信息之目的,版权归原作者或者来源机构所有,如转载稿涉及版权问题,请联系我们

图解Java多线程设计模式

图解Java多线程设计模式

[日] 结城浩 / 侯振龙、杨文轩 / 人民邮电出版社 / 2017-8 / 89.00元

本书通过具体的Java 程序,以浅显易懂的语言逐一说明了多线程和并发处理中常用的12 种设计模式。内容涉及线程的基础知识、线程的启动与终止、线程间的互斥处理与协作、线程的有效应用、线程的数量管理以及性能优化的注意事项等。此外,还介绍了一些多线程编程时容易出现的失误,以及多线程程序的阅读技巧等。在讲解过程中,不仅以图配文,理论结合实例,而且提供了运用模式解决具体问题的练习题和答案,帮助读者加深对多线......一起来看看 《图解Java多线程设计模式》 这本书的介绍吧!

JSON 在线解析
JSON 在线解析

在线 JSON 格式化工具

RGB HSV 转换
RGB HSV 转换

RGB HSV 互转工具

HEX CMYK 转换工具
HEX CMYK 转换工具

HEX CMYK 互转工具