重要更新 | 谷歌发布 TensorFlow 1.4，迁移Keras，支持分布式训练

TensorFlow 1.4 版现在已公开发布 - 这是一个大更新！我们在这里非常高兴地宣布一些令人兴奋的新功能，希望大家喜欢。

Keras

在 1.4 版中，Keras 已从 tf.contrib.keras 迁移到核心软件包 tf.keras 中。Keras是一个非常热门的机器学习框架，它包含众多高级 API，这些 API 可以最大程度缩短从您的创意到可行实现之间的时间。

Keras 可与其他核心 TensorFlow 功能平稳集成，包括 Estimator API。事实上，您可以调用 tf.keras.estimator.model_to_estimator函数，直接从任何 Keras 模型构建估算器。由于 Keras 现在已添加到 TensorFlow 核心中，您可以在生产工作流程中依赖它。

数据集

我们高兴地宣布，Dataset API 已从 tf.contrib.data 迁移到核心软件包 tf.data中。1.4 版的 Dataset API 还增加了对 Python 生成器的支持。我们强烈建议使用 Dataset API 为 TensorFlow 模型创建输入管道，因为：

与旧 API（feed_dict 或队列式管道）相比，Dataset API 可以提供更多功能。

Dataset API 的性能更高。

Dataset API 更简洁，更易于使用。

未来，我们会将开发重心放到 Dataset API 而不是旧 API 上。

估算器的分布式训练和评估

1.4 版还引入了实用函数 tf.estimator.train_and_evaluate，它简化了训练、评估和估算器模型的导出工作。此函数可以实现训练和评估的分布式执行，同时仍然支持本地执行。

其他增强功能

除了这里介绍的功能外，1.4 版还引入了许多其他增强功能，版本说明中进行了

相关介绍：https://github.com/tensorflow/tensorflow/blob/master/RELEASE.md

安装 TensorFlow 1.4

TensorFlow 1.4 版现在可以使用标准 pip 安装获取。

# Note: the following command will overwrite any existing TensorFlow

# installation.

$ pip install --ignore-installed --upgrade tensorflow

# Use pip for Python 2.7

# Use pip3 instead of pip for Python 3.x

我们已将 tensorflow.org 上的文档更新为 1.4。

TensorFlow 的增强离不开贡献者。非常感谢参与 TensorFlow 开发的所有人！还犹豫什么？赶快加入社区并在 GitHub 上开发源代码或帮助在 Stack Overflow 上回答问题，成为一名贡献者吧！

我们希望大家喜欢这个版本中的所有功能。

祝大家尽情享受 TensorFlow 编码！

推荐阅读：
为TensorFlow引入即时执行

AMP
Roadshow技术分享路演中国专场报名

TensorFlow
Serving 中的最新创新

Google发布TensorFlow
Lattice，先前知识推动灵活性提升

精选推荐

经验
| Pytorch还是Tensorflow？英伟达工程师帮你总结了

图解TensorFlow架构与设计

技术
| 实现Tensorflow多机并行线性加速
笔记
|《深度学习原理与TensorFlow实践》学习笔记
视频教程|
如何用TensorFlow来自动生成乐曲？
视频教程|
使用TensorFlow搭建一个识别手写数字的分类器
香港科技大学公开「三日
TensorFlow 速成课程」学习资料
如何优雅地用TensorFlow预测时间序列：TFTS库详细教程



☞ 查看全文及文中链接，请戳文末“阅读原文”。