正文
层。
3. 增加了
tf.Session.make_callable( )
，为多次运行一个相同步骤的运行提供了更低的overhead手段。
4.增加了ibverbs-based RDMA支持。（感谢来自雅虎的
@junshi15
）。
5.
RNNCell
对象现在从属于
tf.layers.Layer
，在TensorFlow 1.1 发布时的严格描述已经被删除：一个RNNCell首次被使用，它自己缓存其范围（scope）。所有将来使用的RNNCell都会对来自相同的范围的中的变量进行重复使用。对于TensorFlow1.0.1及其以下版本中的RNNCell来说，这是一个突破性的改变。TensorFlow 1.1 版本已经经过检验，以保证旧的代码在新的语义下也能正确的工作。新版本会让RNNCell的使用变得更加灵活，但是，如果使用为TensorFlow 1.0.1 以下版本所写的代码，可能会导致一些微小的错误。例如，输入
MultiRNNCell([lstm] * 5)
将会搭建起一个5层的LSTM堆栈，每一层共享相同的参数。为了让5层中每一层都有自己的参数，输入
MultiRNNCell([LSTMCell(...) for _ in range(5)]).
如果不太确定，你可以先在TF 1.1中测试你的代码，保证没有任何错误后，再升级到TF 1.2。
6. TensorForest Estimator现在支持SavedModel输出。
7. 支持用户提供的ClusterSpec’s，并把其分配给所有的工作者，以确保能创建动态的TensorFlow集群。
8. TensorFlow C 数据库现在在Windows可用。
9. 发布了一个新的开源版本的TensorBoard。
10.在SavedModel中，
SavedModel CLI
工具可用于MetaGraph检查和执行。
11. 安卓发布的TensorFlow现在被推送到jcenter，方便用户更加简便的融入app中。更多细节，参见：
https://github.com/tensorflow/tensorflow/blob/master/tensorflow/contrib/android/README.md
12. RNNCells 的变量名，现在已经被重命名，以与Keras层保持一致。具体地，此前的变量名称“weights”和“biases“现在已经变为”kernel”和“bias”。如果你的旧的checkpoints中包含了这样的 RNN cells，这可能会导致反馈的不一致，此时你可以使用工具
checkpoint_convert script
来改变旧的checkpoints中的变量名字。
13.在1.0发布前，许多的 RNN 的功能和类别都在 tf.nn 命名空间中，后被移到
tf.contrib.rnn
。现在，这些功能和类别都被移回核心命名空间。其中包括
RNNCell, LSTMCell, GRUCell
, 和其他的一系列 cells。 原始的
tf.nn.rnn
