開發 | 谷歌釋出TensorFlow 1.4版本：支援分散式訓練，迎來三大新變化
e Developers blog正式撰文釋出TensorFlow 1.4版本，此次的更新迎來三個重大變化：Keras位於TensorFlow core中，Dataset API支援更多功能，引入效用函式tf.estimator.train_and_evaluate等等。
AI科技評論編輯整理如下：
TensorFlow 1.4目前已經公開，這次迎來重大更新。此次更新後，將支援很多新的、令人興奮的特徵，希望大家都能滿意。
Keras
在TensorFlow 1.4版本中，Keras從tf.contrib.keras轉移到tf.keras核心包。Keras目前是一個廣受歡迎的機器學習框架，它的高階API介面能大大縮短從付諸想法到實踐的時間。Keras平滑地集成了其他core TensorFlow功能，包括Estimator API。
事實上，通過呼叫tf.keras.estimator.model_to_estimator函式，大家可以從任何Keras模型中構建Estimator。
此次更新後，Keras處於TensorFlow core中了，大家可以在自己的產品工作流中用到它。
想要了解更多關於Keras的相關知識，請閱讀如下連結：
簡單介紹 https://keras.io/#getting-started-30-seconds-to-keras Keras Sequential model API指南 https://keras.io/getting-started/sequential-model-guide/ Keras Functional model API指南 https://keras.io/getting-started/functional-api-guide/
想要了解更多關於Estimator的相關知識，請閱讀如下連結：
介紹TensorFlow Estimator和資料集的博文
https://developers.googleblog.com/2017/09/introducing-tensorflow-datasets.html資料集
TensorFlow 1.4版本中，Dataset API從tf.contrib.data中轉移到tf.data核心包。新版Dataset API將支援Python生成器。強烈建議大家使用Dataset API來為TensorFlow模型建立input pipeline，原因有如下幾點:
- 比起老版的API，這次更新的Dataset API提供了更多功能（feed_dict函式、基於佇列的pipeline）
- Dataset API執行效果更好
- Dataset API更乾淨，更易於使用
未來的開發重點將放在Dataset API上，而不是著眼於之前的API。如果想使用資料集，請閱讀如下說明：
介紹TensorFlow Estimator和資料集的博文（連結如上）
TensorFlow程式設計師資料匯入篇指南
https://www.tensorflow.org/versions/r1.4/programmers_guide/datasets
介紹Dataset API的幻燈片(帶有講者註釋)
http://.cn/RlWCD1b分散式訓練&評估Estimator
TensorFlow 1.4還引入了效用函式tf.estimator.train_and_evaluate，這能簡化訓練、評估以及
輸出Estimator模型的過程。該函式在訓練和評估過程中能支援分散式執行，同時也仍然支援本地執行。
其他增強功能
除了前面所述的一系列功能，TensorFlow 1.4還引入了一些額外的增強功能，在Release Note有詳細描述。
地址：
https://github.com/tensorflow/tensorflow/blob/master/RELEASE.md安裝TensorFlow 1.4
目前可以使用標準pip來安裝TensorFlow 1.4版本。
# Note: the following command will overwrite any existing TensorFlow
# installation.
$ pip install --ignore-installed --upgrade tensorflow
# Use pip for Python 2.7
# Use pip3 instead of pip for Python 3.x另外，tensorflow.org中的檔案也已更新到1.4版本。
最後，TensorFlow的強大功能依賴於社群中的貢獻者們，非常感謝大家幫助我們一起進行開發。還沒有加入我們社群的人，請不要猶豫，大家一起在GitHub開發原始碼或者在Stack Overflow上幫助回答問題吧。
希望你們都能喜歡這些新功能。