雷锋网(公众号：雷锋网) AI科技评论消息，日前，Google Developers blog正式撰文发布TensorFlow 1.4版本，此次的更新迎来三个重大变化：Keras位于TensorFlow core中，Dataset API支持更多功能，引入效用函数tf.estimator.train_and_evaluate等等。
雷锋网 AI科技评论编辑整理如下：
TensorFlow 1.4目前已经公开，这次迎来重大更新。此次更新后，将支持很多新的、令人兴奋的特征，希望大家都能满意。
Keras
在TensorFlow 1.4版本中，Keras从tf.contrib.keras转移到tf.keras核心包。Keras目前是一个广受欢迎的机器学习框架，它的高级API接口能大大缩短从付诸想法到实践的时间。Keras平滑地集成了其他core TensorFlow功能，包括Estimator API。
事实上，通过调用tf.keras.estimator.model_to_estimator函数，大家可以从任何Keras模型中构建Estimator。
此次更新后，Keras处于TensorFlow core中了，大家可以在自己的产品工作流中用到它。
想要了解更多关于Keras的相关知识，请阅读如下链接：
（https://keras.io/#getting-started-30-seconds-to-keras）
（https://keras.io/getting-started/sequential-model-guide/）
（https://keras.io/getting-started/functional-api-guide/）
想要了解更多关于Estimator的相关知识，请阅读如下链接：
（https://developers.googleblog.com/2017/09/introducing-tensorflow-datasets.html）
数据集
TensorFlow 1.4版本中，Dataset API从tf.contrib.data中转移到tf.data核心包。新版Dataset API将支持Python生成器。强烈建议大家使用Dataset API来为TensorFlow模型创建input pipeline，原因有如下几点:
比起老版的API，这次更新的Dataset API提供了更多功能（feed_dict函数、基于队列的pipeline）
Dataset API执行效果更好
Dataset API更干净，更易于使用
未来的开发重点将放在Dataset API上，而不是着眼于之前的API。如果想使用数据集，请阅读如下说明：
介绍TensorFlow Estimator和数据集的博文（链接如上）
（https://www.tensorflow.org/versions/r1.4/programmers_guide/datasets）
（http://t.cn/RlWCD1b）
分布式训练&评估Estimator
TensorFlow 1.4还引入了效用函数tf.estimator.train_and_evaluate，这能简化训练、评估以及
输出Estimator模型的过程。该函数在训练和评估过程中能支持分布式执行，同时也仍然支持本地执行。
其他增强功能
除了前面所述的一系列功能，TensorFlow 1.4还引入了一些额外的增强功能，在Release Note有详细描述，地址：https://github.com/tensorflow/tensorflow/blob/master/RELEASE.md
安装TensorFlow 1.4
目前可以使用标准pip来安装TensorFlow 1.4版本。
# 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
另外，tensorflow.org中的文件也已更新到1.4版本。
最后，TensorFlow的强大功能依赖于社群中的贡献者们，非常感谢大家帮助我们一起进行开发。还没有加入我们社群的人，请不要犹豫，大家一起在GitHub开发源代码或者在Stack Overflow上帮助回答问题吧。
希望你们都能喜欢这些新功能。
雷锋网 AI科技评论编辑整理。
雷锋网版权文章，未经授权禁止转载。详情见。
原创文章，作者：ItWorker，如若转载，请注明出处：https://blog.ytso.com/128859.html