TensorFlow 发布 1.12.0 版本，改善 XLA 稳定性和性能

AI 前线导读： 近日，TensorFlow 发布 1.12.0 版本，对主要功能进行了一些改进，并修复了一些错误，如 Keras 模型现在可以直接导出为 SavedModel 格式等。

主要功能和改进

• Keras 模型现在可以直接导出为 SavedModel 格式（tf.contrib.saved_model.save_keras_model（））并与 Tensorflow 服务一起使用。

• Keras 模型现在支持使用 tf.data.Dataset 进行评估。

• TensorFlow 二进制文件在默认链接的 XLA 支持下构建。

• Ignite Dataset 添加到 contrib / ignite，它允许使用 Apache Ignite。

错误修复和其他更改

• tf.data：

• tf.data 用户现在可以分别使用 tf.data.Options（），tf.data.Dataset.options（）和 tf.data.Dataset.with_options（）来表示、获取和设置 TensorFlow 输入管道的选项。

• 新的 tf.data.Dataset.reduce（）API 允许使用用户提供的 reduce 函数将有限数据集缩减为单个元素。

• 新的 tf.data.Dataset.window（）API 允许用户创建输入数据集的有限窗口；当与 tf.data.Dataset.reduce（）API 结合使用时，这允许用户实现自定义批处理。

• 所有 C ++代码都移动到 tensorflow :: data 命名空间。

• 添加对 num_parallel_calls 的支持到 tf.data.Dataset.interleave。

• tf.contrib：

• 删除 tf.contrib.linalg。使用 tf.linalg 代替。

• 用 meta_graph_def.signature_def [signature_def_key]替换对 tf.contrib.get_signature_def_by_key（metagraph_def，signature_def_key）的任何调用。通过捕获 KeyError 异常代替捕获 tf.contrib.get_signature_def_by_key 产生的 ValueError 异常。

• tf.contrib.data

• 弃用，并用 tf.data.experimental 替换。

• 其他：

• 改善 XLA 稳定性和性能。

• 修复 Cloud ML Engine 中的单个副本 TensorBoard 摘要统计信息。

• TPUEstimator：并行初始化数据集迭代器。

• Keras 对 TPU 模型质量和错误修复。

• 恢复使用系统 malloc，而不是 jemalloc，因为它简化了构建且性能相当。

• 从 tf.nn.softplus 和 tf.nn.softsign OpDefs 中删除整数类型。这是一个错误修正；这些操作从来都不是为了支持整数。

• 允许使用单个维度对张量进行子句划分。

• 添加选项以 Unicode 字符计算字符串长度

• 向 SubSlice 添加一个张量的功能。

• 添加 searchsorted（即 lower / upper_bound）op。

• 为 Boosted Trees 添加模型可解释性。

• 支持 tf.substr 的 negative positions

• 之前在 bijector_impl 中存在一个错误，其中_reduce_jacobian_det_over_event 无法正确处理标量 ILDJ 实现。

• 在 eager execution 中，允许重新进入 GradientTape 上下文

• 添加 tf_api_version 标志。如果传入了–define = tf_api_version = 2 标志，那么 bazel 将构建 TensorFlow API 2.0 版本。请注意，TensorFlow 2.0 正在积极开发中，目前还无法保证发布。

• 向 TfRecordWriter 添加其他压缩选项

• 正则表达式完全匹配操作的性能改进。

• 用 tf.GraphKeys.GLOBAL_VARIABLES 替换 tf.GraphKeys.VARIABLES

• 删除未使用的动态学习速率支持