Google 發表 TensorFlow 1.5，全面支援動態圖機制和 TensorFlow Lite

Google 最近發表了 TensorFlow 1.5，TensorFlow 又一次有了新的更新。

之前版本中，TensorFlow 迎來 3 個重大變化：Keras 位於 TensorFlow core，Dataset API 支援更多功能，引入效用函數 tf.estimator.train_and_evaluate。這次更新，Google 宣布 TensorFlow 將全面支援 Eager execution 動態圖機制和 TensorFlow Lite，除此之外，還將支援 CUDA 9 和 cuDNN 7。

此次更新整理如下。

重大改變：

基於 CUDA 9 和 cuDNN 7 來構建預設的二進位檔案；

Linux 二進位檔案是在 ubuntu 16 容器環境下構建，這可能會導致與用 ubuntu 14 構建的檔案不相容；

從 1.6 版本開始，預設二進位檔案會使用 AVX 指令集，如果老版本不支援 AVX 指令集，將會引發問題。

主要更新：

支援 Eager execution 預覽版本

TensorFlow Eager Execution 是一個指令式、由執行定義的介面，可在即時執行錯誤下快速除錯，與 Python 工具整合，一旦從 Python 呼叫可立即執行作業。這可使 TensorFlow 的入門學習更簡單，也讓研發工作更直觀。

支援 TensorFlow Lite 開發者版本

TensorFlow Lite 針對行動和內嵌式裝置等。具備以下 3 點特徵：

• 輕型級：支援機器學習模型的推理在較小二進位數下進行，能快速起始化／啟動。
• 跨平台：可在許多不同平台上執行，現在支援 Android 和 iOS。
• 快速：針對行動裝置最佳化，包括大大減少模型加載時間、支援硬體加速。

支援 CUDA 9 和 cuDNN 7

Bug 修復和其他改變：

將 auto_correlation 加入 tf.contrib.distributions。

引入 DenseFlipout 概率層。

將 DenseVariational 標準化，做為其他概率層的簡單樣板。

tf.contrib.distributions QuadratureCompound 類支援 batch。

Stream::BlockHostUntilDone 現在 return 到 Status，而不是 bool。

GCS 檔案系統的自訂化要求逾時。

• TensorFlow 1.5.0-rc0

（本文由 雷鋒網 授權轉載；首圖來源：TensorFlow）