前面寫了 TensorFlow 在Windows上的安裝教程，當時版本還是 0.12 。
NOW
首屆 TensorFlow 開發者大會（TensorFlow Dev Summit）已於美國時間昨日召開，YouTube 還進行了直播。更重要的是，TensorFlow 1.0 版本發佈。Google Research Blog 也於昨天在 博客 中公佈了這一消息。
改動
這一版本的改動還是比較大的，很多舊的 API 都已經不再使用。在 博客 中可以看到 1.0 版本更快、更靈活、更穩定（production-ready） 。TensorFlow 1.0 版本保證 Python API 的穩定性，即使以後添加新的特性也不用擔心會破壞現有代碼。
博客中提到的其他新版本兩點（爲避免翻譯造成的偏差，我就直接引用原文了）：
- Python APIs have been changed to resemble NumPy more closely. For this and other backwards-incompatible changes made to support API stability going forward, please use our handy migration guide and conversion script.
- Experimental APIs for Java and Go
- Higher-level API modules tf.layers, tf.metrics, and tf.losses - brought over from tf.contrib.learn after incorporating skflow and TF Slim
- Experimental release of XLA, a domain-specific compiler for TensorFlow graphs, that targets CPUs and GPUs. XLA is rapidly evolving - expect to see more progress in upcoming releases.
- Introduction of the TensorFlow Debugger (tfdbg), a command-line interface and API for debugging live TensorFlow programs.
- New Android demos for object detection and localization, and camera-based image stylization.
- Installation improvements: Python 3 docker images have been added, and TensorFlow’s pip packages are now PyPI compliant. This means TensorFlow can now be installed with a simple invocation of
pip install tensorflow.
升級
升級很簡單（在這裏感謝一下爲簡化 TensorFlow 安裝過程的工程師們），就是一行語句，這也是安裝命令：
對於 GPU 版本：
pip3 install --upgrade tensorflow-gpu對於 CPU 版本：
pip3 install --upgrade tensorflow
右鍵在新標籤頁打開圖片可查看大圖
輸入完回車就開始升級過程，會下載並卸載重裝一些必要的包，時間長短視網速而定。
更新你的舊代碼
有兩種方法更新你的代碼，一種就是我上面提到的用腳本自動升級，另一種就是手動更改，具體可以參考 這裏 。
使用腳本
由於版本改動較大，TensorFlow 甚至出了一個 tf_upgrade.py 腳本來幫助你更新代碼，從 這裏 獲取這份代碼，或者點擊 這裏 直接下載。
對於更新單個文件，可以使用下面的命令：
python tf_upgrade.py --infile InputFile --outfile OutputFile其中 InputFile 和 OutputFile 分別爲你的舊代碼和新代碼，根據你的文件名做相應的替換。例如我的舊代碼是 test.py，將要生成的新代碼是 test_1.0.py，則：
python tf_upgrade.py --infile test.py --outfile test_1.0.py同時，tf_upgrade.py 會生成一個名爲 report.txt 的文件，該文件記錄了對舊文件做的所有改動，同時也給出了可能需要你手動更改的建議。
對於文件夾（目錄），和單個文件類似，使用
python tf_upgrade.py --intree InputDir --outtree OutputDir例如，我的 programs 位於 /home/user/cool 目錄，新的生成的文件我想放到 /home/user/cool_1.0 裏，則
python tf_upgrade.py --intree /home/user/cool --outtree /home/user/cool_1.0手動更改
除了使用腳本自動更新外，還可以使用手動替換的方式。需要替換的東西有很多，我就不一一列舉了，大家可以參考 官網 。
END
