TensorFlow 今天釋出最新版 1.2.0，公佈了14大最新功能。新智元帶來最新介紹，包括 API 的重要變化、contrib API的變化和Bug 修復及其他改變。附程式碼連結。

主要的功能和改進

1. Windows上支援Python3.6。

2. 時空域去卷積（spatio temporal deconvolution.）增加了tf.layers.conv3d_transpose層。

3. 增加了tf.Session.make_callable( )，為多次執行一個相同步驟的執行提供了更低的overhead手段。

4.增加了ibverbs-based RDMA支援。。

5. RNNCell 物件現在從屬於 tf.layers.Layer，在TensorFlow 1.1 釋出時的嚴格描述已經被刪除：一個RNNCell首次被使用，它自己快取其範圍（scope）。所有將來使用的RNNCell都會對來自相同的範圍的中的變數進行重複使用。對於TensorFlow1.0.1及其以下版本中的RNNCell來說，這是一個突破性的改變。TensorFlow 1.1 版本已經經過檢驗，以保證舊的程式碼在新的語義下也能正確的工作。新版本會讓RNNCell的使用變得更加靈活，但是，如果使用為TensorFlow 1.0.1 以下版本所寫的程式碼，可能會導致一些微小的錯誤。例如，輸入MultiRNNCell([lstm] * 5) 將會搭建起一個5層的LSTM堆疊，每一層共享相同的引數。為了讓5層中每一層都有自己的引數，輸入MultiRNNCell([LSTMCell(...) for _ in range(5)]). 如果不太確定，你可以先在TF 1.1中測試你的程式碼，保證沒有任何錯誤後，再升級到TF 1.2。

6. TensorForest Estimator現在支援SavedModel輸出。

7. 支援使用者提供的ClusterSpec’s，並把其分配給所有的工作者，以確保能建立動態的TensorFlow叢集。

8. TensorFlow C 資料庫現在在Windows可用。

9. 釋出了一個新的開源版本的TensorBoard。

10.在SavedModel中，SavedModel CLI工具可用於MetaGraph檢查和執行。

11. 安卓釋出的TensorFlow現在被推送到jcenter，方便使用者更加簡便的融入app中。更多細節，參見：https://github.com/tensorflow/tensorflow/blob/master/tensorflow/contrib/android/README.md

12. RNNCells 的變數名，現在已經被重新命名，以與Keras層保持一致。具體地，此前的變數名稱“weights”和“biases“現在已經變為”kernel”和“bias”。如果你的舊的checkpoints中包含了這樣的 RNN cells，這可能會導致反饋的不一致，此時你可以使用工具checkpoint_convert 來改變舊的checkpoints中的變數名字。

13.在1.0釋出前，許多的 RNN 的功能和類別都在 tf.nn 名稱空間中，後被移到tf.contrib.rnn 。現在，這些功能和類別都被移回核心名稱空間。其中包括 RNNCell, LSTMCell, GRUCell, 和其他的一系列 cells。 原始的 tf.nn.rnn 功能現在變成了tf.nn.static_rnn, 雙向的資料和狀態儲存資料rnn功能現在有備移回tf.nn 命名區。

比較值得一提的例外有： EmbeddingWrapper, InputProjectionWrapper和

OutputProjectionWrapper，三者將會被逐漸搬到tf.contrib.rnn 的deprecation中。有一些無效的wrapper，需要經常進行替換，在rnn的預處理和後處理階段，用所謂的embedding_lookup 或layers.dense進行替換。在RNN的解碼中，這一功能性將會被一個在tf.contrib.seq2seq.

中可用的API取代。

14. Intel MKL 整合 (https://software.intel.com/en-us/articles/tensorflow-optimizations-on-modern-intel-architecture). Intel 開發了一系列經過優化的深度學習基元（primitives）：除了矩陣乘法（matrix multiplication）和卷積以外，這些基本模組還包括：直接的批量卷積、池化（最大化、最小化和平均數）、啟用（線性整流函式）ReLU、資料處理（多維移項、分解、合併、相加等）。