如何評價google新發布的tensorflow的新版本1.5.0？

01-30

谷歌前幾天在 GitHub 上正式發布了 TensorFlow 的最新版本 1.5.0，並開源了其代碼。支持 CUDA 9 和 cuDNN 7 被認為是本次更新的最重要部分。

之前在r1.4就支持cuda9和cudnn7了吧。。。去年十月的事情

我只記得我當時編了一版然後就丟線上實驗室了。。。時間我也沒記錯，因為正好是十一假期升級的

年前看看舊代碼兼容性然後再上一版。。

哦沒記錯，這個issue：Upgrade to CuDNN 7 and CUDA 9 · Issue #12052 · tensorflow/tensorflow

所以說支持Cuda9和CUDnn7不算r1.5的核心任務，吹噓這點改進的其他答案到底是不是在用CUDA9啊。。。

Eager execution preview version is now available.
TensorFlow Lite dev preview is now available.

這倆也是以前就有的東西了，不過現在放到release裡面了

謝邀~

Nvidia 車輪滾滾向前，Volta GPU（V100/TitanV）+ CUDA 9 + cuDNN v7 是今年的主旋律；

TF 能跟上節奏，滿足一些嘗鮮用戶的訴求，也從側面反映了 TF 社區的更新之快（借勢催更其他框架）。

那麼問題來了，要不要買塊 Titan V 響應一下？

--------------2018.1.29 補充----------------

有部分仁兄認為 TF 對 CUDA 9 早支持了，表示同意，去年評測 V100 時基於 CUDA 9.0.102 + cuDNN 7.0.2 （這兩個版本號是早期 rc 版，現已廢棄）從源碼編譯 TF 也能跑得很歡。

然而 release 版本增加 CUDA 9 支持意味著一旦你運行 pip install tensorflow_gpu 後，原先用得很舒適的 GPU 環境將再次被 Google + Nvidia 兩家聯合圍剿。想保持舒適的同時又希望使用新特性（比如貌似還沒有其他答案提及的 XLA），不好意思，要麼升級 CUDA 9，要麼從源碼編譯新版 TF 了。

老舊 GPU 將被 TF release 嫌棄。

值得注意這一條預警：

Starting from 1.6 release, our prebuilt binaries will use AVX instructions.

This may break TF on older CPUs.

老舊 CPU 也將被 TF release 嫌棄。

「起來，不願被帶節奏的人們……」

這兩天在改分散式的程序，剛好發現1.5加了replicate_model_fn跟現有的estimator搭配，最新的master分支裡面又加了TowerOptimizer，不用以前那種手動reduce每個tower的梯度了，感覺所有的東西都變得越來越easy了，是時候做點門檻高點的事情了，不然調包俠很快就被取代了。。

在TensorFlow1.5之前，eager execution只在nightly-build中，現在包含了；
同上，TensorFlowLite也包含進來了；
修了一部分分散式相關的API；
pre-build 的二進位默認是CUDA9, cuDNN7.
當然了，bugfix....

結論是支持CUDA9，cuDNN7顯然不是最重要的更新。

&> 支持 CUDA 9 和 cuDNN 7 被認為是本次更新的最重要部分。

Volta 多少錢來著?

瀉藥。

具體更新的API還沒看，聽說增加了很多tf.contrib的API。

昨天剛裝上，Windows GPU版本，顯卡分別是960M（筆記本）和1070（台式機），更新到了CUDA 9 和 cuDNN 7，重新跑了一遍之前寫的一個最簡單的XOR門神經網路，GPU的COPY佔用下降，速度不知道是因為環境變數還有 CUDA8.0 的環境的原因還是什麼，感覺啟動的速度比CUDA 8 慢，但是跑的速度還行。

以上就是昨天半個小時的體驗報告，嘻嘻。

————————2018.1.29更新——————————

親測Windows 10 依舊無法使用CUDA 9.1版本，只能用CUDA 9.0版本。請注意下載時候選擇正確，謝謝。

支持cuda9和cudnn7絕對是對用戶最友好的更新了。

英偉達主頁幾個月前各種引導用戶安裝cuda9導致無法用pip安裝tensorflow。

在此之前的解決方法一直是源碼編譯或者直接使用官方配置好的docker。很坑。

算是有官方的volta支持了吧，大概

這幾天還在移植tensorflow1.4版本，今天就發現了出現了1.5版本，還支持了CUDA9和CUDNN7，之前沒有學習過的tensorflow Lite也可以研究研究了。。

tensorflow更得太快了，我得抓緊時間搬磚了