宣布 TensorFlow r1.4

发布人：TensorFlow 团队
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。

要开始使用 Keras，请先阅读：

• 简要介绍。
• Keras Sequential 模型 API 指南。
• Keras 函数模型 API 指南。

要开始使用估算器，请先阅读：

• TensorFlow 估算器和数据集介绍博文。

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。

要开始使用数据集，请先阅读：

• TensorFlow 估算器和数据集介绍博文。
• TensorFlow 编程人员指南的导入数据章节。
• 介绍 Dataset API 的以下幻灯片组（带演讲者备注）。

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。

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！