Artigo de TensorFlow Team, publicado originalmente pelo Google Developers Blog. A tradução foi feita pela Redação iMasters com autorização.

***

A versão 1.4 do TensorFlow agora é pública – e essa é uma grande versão! Então, estamos felizes em anunciar uma série de recursos novos que esperamos que todos possam desfrutar.

Keras

Na versão 1.4, o Keras graduou-se de tf.contrib.keras para o pacote principal tf.keras. Keras é um framework de machine learning extremamente popular, composto por APIs de alto nível para minimizar o tempo entre suas ideias e implementações de trabalho. O Keras integra-se suavemente com outras funcionalidades do TensorFlow, incluindo a API Estimator. Na verdade, você pode construir um Estimator diretamente de qualquer modelo do Keras, chamando a função tf.keras.estimator.model_to_estimator. Com o Keras agora no núcleo do TensorFlow, você pode confiar nele para seus fluxos de trabalho de produção.

Para começar com Keras, leia:

• Uma pequena introdução.
• O guia para Keras Sequential model API.
• O guia para Keras Functional model API.

Para começar com Estimators, leia:

• O artigo Introduction to TensorFlow Estimators and Datasets.

Datasets

Temos o prazer de anunciar que a API Dataset graduou-se no pacote principal tf.data (de tf.contrib.data). A versão 1.4 da API Dataset também adiciona suporte para geradores Python. Recomendamos fortemente o uso da API Dataset para criar pipelines de entrada para modelos TensorFlow, pois:

• A API Dataset fornece mais funcionalidades do que as APIs antigas (feed_dict ou pipelines baseados em filas).
• A API Dataset é melhor.
• A API Dataset é mais limpa e fácil de usar.

Vamos focar no desenvolvimento futuro na API Dataset ao invés de focar nas antigas APIs.

Para começar com Datasets, leia:

• O texto Introduction to TensorFlow Estimators and Datasets.
• O capítulo Importing Data o guia para programadores do TensorFlow.
• O slidedeck que introduz a API Dataset.

Treinamento distribuído e avaliação para Estimators

A versão 1.4 também apresenta a função de utilidade tf.estimator.train_and_evaluate, que simplifica o treinamento, a avaliação e a exportação de modelos Estimator. Essa função permite a execução distribuída para treinamento e avaliação, enquanto ainda suporta a execução local.

Outras melhorias

Além dos recursos expostos neste anúncio, a versão 1.4 apresenta uma série de aprimoramentos adicionais, que são descritos nas Release Notes.

Instalando o TensorFlow 1.4

A versão 1.4 do TensorFlow está disponível agora usando a instalação padrão pip.

# 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

Atualizamos a documentação do tensorflow.org para 1.4.

O TensorFlow depende dos colaboradores para melhorias. Um grande agradecimento a todos que ajudam a desenvolver o TensorFlow! Não hesite em se juntar à comunidade e se tornar um colaborador, desenvolvendo o código-fonte no GitHub ou ajudando a responder perguntas no Stack Overflow.

Esperamos que você aproveite todos os recursos desta versão.

Feliz codificação com o TensorFlow!

***

Este artigo é do Google Developers Blog. Ele foi escrito pelo TensorFlow Team. A tradução foi feita pela Redação iMasters com autorização. Você pode acessar o original em: https://developers.googleblog.com/2017/11/announcing-tensorflow-r14.html