谷歌发布 TensorFlow 1.5，全面支持动态图机制和 TensorFlow Lite

雷锋网 AI 科技评论消息，日前，谷歌发布 TensorFlow 1.5，TensorFlow 又一次迎来更新。

在此前的版本中，TensorFlow 迎来三大重大变化：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。而在这次的更新中，谷歌宣布 TensorFlow 将全面支持 Eager execution 动态图机制和 TensorFlow Lite，除此之外，还将支持 CUDA 9 和 cuDNN 7。

雷锋网 AI 科技评论将此次的更新编译整理如下：

重大改变：

基于 CUDA 9 和 cuDNN 7 来构建预建的二进制文件；

Linux 二进制文件是在 ubuntu 16 容器环境下构建的，这可能会导致与用 ubuntu 14 构建的文件不兼容；

从 1.6 版本开始，预建二进制文件中将会使用 AVX 指令集，如果老版本不支持 AVX 指令集，将会引发问题。

主要的更新：

支持 Eager execution 预览版本

TensorFlow Eager Execution 是一个命令式、由运行定义的接口，可以在即时的运行错误下进行快速调试，与 Python 工具进行整合，一旦从 Python 被调用可立即执行操作。这可以使得 TensorFlow 的入门学习变得更简单，也使得研发工作变得更直观。

支持 TensorFlow Lite 开发者版本

TensorFlow Lite 针对移动和嵌入式设备等。具备如下三点特征：

• 轻量级：支持机器学习模型的推理在较小二进制数下进行，能快速初始化/启动。

• 跨平台：可以在许多不同的平台上运行，现在支持 Android 和 iOS。

• 快速：针对移动设备进行了优化，包括大大减少了模型加载时间、支持硬件加速。

支持 CUDA 9 和 cuDNN 7

Bug 修复和其他改变：

将 auto_correlation 加入 tf.contrib.distributions 中

引入 DenseFlipout 概率层

将 DenseVariational 标准化，作为其他概率层的简单模板

tf.contrib.distributions QuadratureCompound 类支持 batch

Stream::BlockHostUntilDone 现在 return 到 Status，而不是 bool

GCS 文件系统中的定制化请求超时

via：GitHub

雷锋网 AI 科技评论编辑整理。