【IT168 资讯】在优异机器学习开源项目中，TensorFlow凭借着其完整性、易用性、活跃度以及76.2K的Star荣登榜首。作为最受欢迎的开源机器学习项目之一，TensorFlow 1.4版本的最近更新有很大变化，新功能甚至是一些bug修复。

　　Jeff Dean在第一届年度TensorFlow开发者峰会上表示，当谷歌开源TensorFlow时，希望为全球所有人建立一个机器学习平台。他们在实现这一目标方面做得很好，TensorFlow无疑是GitHub上最受欢迎的机器学习项目。

　　让我们来看看1.4版本具备哪些新功能吧!

　　Keras

　　TensorFlow 1.4版本最大的变化之一就是新增了对流行机器学习框架Keras的支持。Keras已经从核心包tf.keras中分离出来，高级API旨在最大限度减少想法和工作实施之间的时间。它还与其他TensorFlow API(包括Estimator API)顺利集成。由于Keras现在是TensorFlow核心的一部分，因此可以依靠其生产工作流程。(了解Keras，欢迎访问https://keras.io/#getting-started-30-seconds-to-keras)

　　数据集

　　这是另一个可以跳转到核心软件包的API：tf.data。Dataset API已经同步到1.4版，并为Python生成器提供了额外支持。

　　未来，TensorFlow团队强烈建议使用Dataset API为TensorFlow模型创建输入管道。因为它提供了比旧管道(如feed_dict或基于队列的管道)更多的功能。它也有更好更全面的表现以及更简洁，更容易使用。

　　此外，TensorFlow团队明确表示，他们将重点关注Dataset API，以便将来的进一步开发而不是加速其他旧API。

　　Bug修复

　　现在默认的构建选项包括Google云存储文件系统，Amazon S3文件系统和Hadoop文件系统。

　　自定义操作库必须链接到libtensorflow_framework.so(安装在tf.sysconfig.get_lib())。

　　tf.nn.rnn_cell.DropoutWrapper现在更加注意移除LSTM状态。具体来说，它不再放弃LSTMStateTuple的c(内存)状态。这个bug修复遵循已发表文献的建议，但有一些更改。状态行为可以通过新的dropout_state_filter_visitor参数来定制。

　　重大更改

　　tf.contrib.data.rejection_resample()函数的签名已更改。现在它返回一个可以用作Dataset.apply()的参数的函数。

　　Removetf.contrib.data.Iterator.from_dataset()方法使用Dataset.make_initializable_iterator()代替。

　　删除很少使用和不必要的tf.contrib.data.Iterator.dispose_op()。

　　已知问题

　　Datset.from_generator()不支持Python 3中的Unicode字符串。在从生成器生成字符串之前，程序员需要将字符串转换为字节对象。

　　安装TensorFlow 1.4

　　TensorFlow 1.4版本现可以使用标准的pip安装。程序员也可以在GitHub和TensorFlow网站上找到它。(Github开源地址：https://github.com/tensorflow)