Google 最近发表了 TensorFlow 1.5，TensorFlow 又一次有了新的更新。
之前版本中，TensorFlow 迎来 3 个重大变化：Keras 位于 TensorFlow core，Dataset API 支援更多功能，引入效用函数 tf.estimator.train_and_evaluate。这次更新，Google 宣布 TensorFlow 将全面支援 Eager execution 动态图机制和 TensorFlow Lite，除此之外，还将支援 CUDA 9 和 cuDNN 7。
此次更新整理如下。
重大改变：
基于 CUDA 9 和 cuDNN 7 来构建预设的二进制档案；
Linux 二进制档案是在 ubuntu 16 容器环境下构建，这可能会导致与用 ubuntu 14 构建的档案不相容；
从 1.6 版本开始，预设二进制档案会使用 AVX 指令集，如果老版本不支援 AVX 指令集，将会引发问题。
主要更新：
支援 Eager execution 预览版本
TensorFlow Eager Execution 是一个指令式、由执行定义的界面，可在即时执行错误下快速除错，与 Python 工具整合，一旦从 Python 呼叫可立即执行作业。这可使 TensorFlow 的入门学习更简单，也让研发工作更直观。
支援 TensorFlow Lite 开发者版本
TensorFlow Lite 针对行动和内嵌式装置等。具备以下 3 点特征：
- 轻型级：支援机器学习模型的推理在较小二进制数下进行，能快速起始化／启动。
- 跨平台：可在许多不同平台上执行，现在支援 Android 和 iOS。
- 快速：针对行动装置最佳化，包括大大减少模型加载时间、支援硬件加速。
支援 CUDA 9 和 cuDNN 7
Bug 修复和其他改变：
将 auto_correlation 加入 tf.contrib.distributions。
引入 DenseFlipout 概率层。
将 DenseVariational 标准化，做为其他概率层的简单样板。
tf.contrib.distributions QuadratureCompound 类支援 batch。
Stream::BlockHostUntilDone 现在 return 到 Status，而不是 bool。
GCS 档案系统的自订化要求逾时。
- TensorFlow 1.5.0-rc0
（本文由 雷锋网 授权转载；首图来源：TensorFlow）
