『TensorFlow』0.x_&_1.x版本框架改动汇总
基本数值运算
除法和模运算符（/，//，％）现在匹配 Python（flooring）语义。这也适用于 [tf.div] 和 [tf.mod]。要获取基于强制整数截断的行为，可以使用 [tf.truncatediv] 和 [tf.truncatemod]。
现在推荐使用 [tf.divide()] 作为除法函数。[tf.div()] 将保留，但它的语义不会回应 Python 3 或 [from future] 机制
- [tf.mul，tf.sub ] 和 [tf.neg] 不再使用，改为 [tf.multiply]，[tf.subtract] 和 [tf.negative]。
- tf.complex_abs已从Python界面中删除。 tf.abs支持复杂张量，现在应该使用 tf.abs。
tensorboard相关
分别替换tf.scalar_summary，tf.histogram_summary，tf.audio_summary，tf.image_summary与tf.summary.scalar，tf.summary.histogram，tf.summary.audio，tf.summary.image。新的摘要ops以名字而不是标签作为它们的第一个参数，意味着摘要ops现在尊重TensorFlow名称范围。
使用tf.summary.FileWriter和tf.summary.FileWriterCache替换tf.train.SummaryWriter和tf.train.SummaryWriterCache。
参数名修改
以下Python函数的参数在引用特定域时，全部改为使用 [axis]。目前仍将保持旧的关键字参数的兼容性，但计划在 1.0 最终版完成前删除。
tf.argmax: dimension 变为 axis
tf.argmin: dimension 变为 axis
tf.count_nonzero: reduction_indices 变为 axis
tf.expand_dims: dim 变为 axis
tf.reduce_all: reduction_indices 变为 axis
tf.reduce_any: reduction_indices 变为 axis
tf.reduce_join: reduction_indices 变为 axis
tf.reduce_logsumexp: reduction_indices 变为 axis
tf.reduce_max: reduction_indices 变为 axis
tf.reduce_mean: reduction_indices 变为 axis
tf.reduce_min: reduction_indices 变为 axis
tf.reduce_prod: reduction_indices 变为 axis
tf.reduce_sum: reduction_indices 变为 axis
tf.reverse_sequence: batch_dim 变为 batch_axis, seq_dim 变为 seq_axis
tf.sparse_concat: concat_dim 变为 axis
tf.sparse_reduce_sum: reduction_axes 变为 axis
tf.sparse_reduce_sum_sparse: reduction_axes 变为 axis
tf.sparse_split: split_dim 变为 axis
其他
其他暂时接触不多的API修改
TensorFlow / models已经被移动到一个单独的github库。
tf.reverse() 现在取轴的索引要反转。例如 [tf.reverse（a，[True，False，True]）] 现在必须写为 [tf.reverse（a，[0，2]）]。 [tf.reverse_v2（）] 将保持到 TensorFlow 1.0 最终版。
[tf.pack] 和 [tf.unpack] 弃用，改为 [tf.stack] 和 [tf.unstack]。
[TensorArray.pack] 和 [TensorArray.unpack] 在弃用过程中，将来计划启用 [TensorArray.stack] 和 [TensorArray.unstack]。
tf.listdiff 已重命名为 tf.setdiff1d 以匹配 NumPy 命名。
tf.inv 已被重命名为 tf.reciprocal（组件的倒数），以避免与 np.inv 的混淆，后者是矩阵求逆。
tf.round 现在使用 banker 的舍入（round to even）语义来匹配 NumPy。
tf.split现在以相反的顺序并使用不同的关键字接受参数。我们现在将NumPy order 匹配为tf.split（value，num_or_size_splits，axis）。
tf.sparse_split现在采用相反顺序的参数，并使用不同的关键字。我们现在将NumPy order 匹配为tf.sparse_split（sp_input，num_split，axis）。注意：我们暂时要求 tf.sparse_split 需要关键字参数。
tf.concat现在以相反的顺序并使用不同的关键字接受参数。特别地，我们现在将NumPy order匹配为tf.concat（values，axis，name）。
默认情况下，tf.image.decode_jpeg使用更快的DCT方法，牺牲一点保真度来提高速度。通过指定属性dct_method ='INTEGER_ACCURATE'，可以恢复到旧版行为。
Template.var_scope属性重命名为.variable_scope
SyncReplicasOptimizer已删除，SyncReplicasOptimizerV2重命名为SyncReplicasOptimizer。
tf.zeros_initializer（）和tf.ones_initializer（）现在返回一个必须用initializer参数调用的可调用值，在代码中用tf.zeros_initializer（）替换tf.zeros_initializer。
SparseTensor.shape已重命名为SparseTensor.dense_shape。与SparseTensorValue.shape相同。
从公共API中删除RegisterShape。使用C++形状函数注册。
Python API 中的 _ref dtypes 已经弃用。
在C++ API（in tensorflow/cc）中，Input，Output等已经从tensorflow::ops命名空间移动到tensorflow。
将{softmax，sparse_softmax，sigmoid} _cross_entropy_with_logits的arg order更改为（labels，predictions），并强制使用已命名的args。
