● tf.keras 升级到 Keras 2.1.6 API
● 添加 tf.keras.layers.CuDNNGRU 和 tf.keras.layers.CuDNNLSTM 层
● 对梯度提升树估算器 (gradient boosted trees estimators) 添加核心功能栏和损失 (feature columns andlosses) 的支持
● TFLite 优化转换器的 Python 界面有所扩展，命令行界面 (AKA:toco, tflite_convert) 再次包含在了标准 pip 安装中
● 优化了数据载入和文本处理：
- tf.decode_compressed
- tf.string_strip
- tf.strings.regex_full_match
● 实验性地增加了对新的预制估算器的支持：
- tf.contrib.estimator.BaselineEstimator
- tf.contrib.estimator.RNNClassifier
- tf.contrib.estimator.RNNEstimator
● distributions.Bijector API 支持使用新的 API 变化为 Bijectors 进行广播
● 用于构建自定义操作的标题已从 site-packages/external 移至 site-packages/tensorflow/include/external
● 分层变量名称在以下条件中已更改：
使用带自定义变量范围的 tf.keras.layers
在子类 tf.keras.Model 类别中使用 tf.layers
● tf.data :
- Dataset.from_generator() 现能接受一个 args 列表，以便创建嵌套生成器
- 当 shuffle = False 或一个 SEED 通过的情况下，Dataset.list_files() 现在将会产生确定性结果
- tf.contrib.data.sample_from_datasets() 和 tf.contrib.data.choose_from_datasets() 将更容易采样或更容易确定地从多个数据集中选择元素
- tf.contrib.data.make_csv_dataset() 现支持引用字符串中的换行符，并删除了两个不经常使用的参数
- (C++) DatasetBase::DebugString() 现已设为常量
- (C++) DatasetBase::MakeIterator() 已重新更名为 DatasetBase::MakeIteratorInternal()
- (C++) IteratorBase::添加了Initialize()method 以支持在迭代器构建期间提出错误
● Eager Execution :
通过 tf.GradientTape.stop_recording 添加暂停梯度计算的记录操作功能更新文档，介绍手册
● tf.keras :
将 Keras code 从_impl 文件夹中移出并移除API文件
tf.keras.Model.save_weights 现在默认以 TensorFlow 格式保存
启用数据集迭代器以传递至 tf.keras.Model 训练/评价方法
● TensorFlow Debugger (tfdbg)
修复了 TensorBoard 调试器插件在源文件大小超过 gRPC 消息限制 (4 MB) 时无法处理的问题
● tf.contrib :
tf.contrib.framework.zero_initializer 支持 ResourceVariable
添加 "constrained_optimization" 到 tensorflow/contrib
......
点击 “阅读原文”，查看完整的版本说明，详细了解添加的功能和变更。