Skip to content

ClasCat® AI Research

クラスキャット – 生成 AI, AI エージェント, MCP

Menu
  • ホーム
    • ClassCat® AI Research ホーム
    • クラスキャット・ホーム
  • OpenAI API
    • OpenAI Python ライブラリ 1.x : 概要
    • OpenAI ブログ
      • GPT の紹介
      • GPT ストアの紹介
      • ChatGPT Team の紹介
    • OpenAI platform 1.x
      • Get Started : イントロダクション
      • Get Started : クイックスタート (Python)
      • Get Started : クイックスタート (Node.js)
      • Get Started : モデル
      • 機能 : 埋め込み
      • 機能 : 埋め込み (ユースケース)
      • ChatGPT : アクション – イントロダクション
      • ChatGPT : アクション – Getting started
      • ChatGPT : アクション – アクション認証
    • OpenAI ヘルプ : ChatGPT
      • ChatGPTとは何ですか?
      • ChatGPT は真実を語っていますか?
      • GPT の作成
      • GPT FAQ
      • GPT vs アシスタント
      • GPT ビルダー
    • OpenAI ヘルプ : ChatGPT > メモリ
      • FAQ
    • OpenAI ヘルプ : GPT ストア
      • 貴方の GPT をフィーチャーする
    • OpenAI Python ライブラリ 0.27 : 概要
    • OpenAI platform
      • Get Started : イントロダクション
      • Get Started : クイックスタート
      • Get Started : モデル
      • ガイド : GPT モデル
      • ガイド : 画像生成 (DALL·E)
      • ガイド : GPT-3.5 Turbo 対応 微調整
      • ガイド : 微調整 1.イントロダクション
      • ガイド : 微調整 2. データセットの準備 / ケーススタディ
      • ガイド : 埋め込み
      • ガイド : 音声テキスト変換
      • ガイド : モデレーション
      • ChatGPT プラグイン : イントロダクション
    • OpenAI Cookbook
      • 概要
      • API 使用方法 : レート制限の操作
      • API 使用方法 : tiktoken でトークンを数える方法
      • GPT : ChatGPT モデルへの入力をフォーマットする方法
      • GPT : 補完をストリームする方法
      • GPT : 大規模言語モデルを扱う方法
      • 埋め込み : 埋め込みの取得
      • GPT-3 の微調整 : 分類サンプルの微調整
      • DALL-E : DALL·E で 画像を生成して編集する方法
      • DALL·E と Segment Anything で動的マスクを作成する方法
      • Whisper プロンプティング・ガイド
  • Gemini API
    • Tutorials : クイックスタート with Python (1) テキスト-to-テキスト生成
    • (2) マルチモーダル入力 / 日本語チャット
    • (3) 埋め込みの使用
    • (4) 高度なユースケース
    • クイックスタート with Node.js
    • クイックスタート with Dart or Flutter (1) 日本語動作確認
    • Gemma
      • 概要 (README)
      • Tutorials : サンプリング
      • Tutorials : KerasNLP による Getting Started
  • Keras 3
    • 新しいマルチバックエンド Keras
    • Keras 3 について
    • Getting Started : エンジニアのための Keras 入門
    • Google Colab 上のインストールと Stable Diffusion デモ
    • コンピュータビジョン – ゼロからの画像分類
    • コンピュータビジョン – 単純な MNIST convnet
    • コンピュータビジョン – EfficientNet を使用した微調整による画像分類
    • コンピュータビジョン – Vision Transformer による画像分類
    • コンピュータビジョン – 最新の MLPモデルによる画像分類
    • コンピュータビジョン – コンパクトな畳込み Transformer
    • Keras Core
      • Keras Core 0.1
        • 新しいマルチバックエンド Keras (README)
        • Keras for TensorFlow, JAX, & PyTorch
        • 開発者ガイド : Getting started with Keras Core
        • 開発者ガイド : 関数型 API
        • 開発者ガイド : シーケンシャル・モデル
        • 開発者ガイド : サブクラス化で新しい層とモデルを作成する
        • 開発者ガイド : 独自のコールバックを書く
      • Keras Core 0.1.1 & 0.1.2 : リリースノート
      • 開発者ガイド
      • Code examples
      • Keras Stable Diffusion
        • 概要
        • 基本的な使い方 (テキスト-to-画像 / 画像-to-画像変換)
        • 混合精度のパフォーマンス
        • インペインティングの簡易アプリケーション
        • (参考) KerasCV – Stable Diffusion を使用した高性能画像生成
  • TensorFlow
    • TF 2 : 初級チュートリアル
    • TF 2 : 上級チュートリアル
    • TF 2 : ガイド
    • TF 1 : チュートリアル
    • TF 1 : ガイド
  • その他
    • 🦜️🔗 LangChain ドキュメント / ユースケース
    • Stable Diffusion WebUI
      • Google Colab で Stable Diffusion WebUI 入門
      • HuggingFace モデル / VAE の導入
      • LoRA の利用
    • Diffusion Models / 拡散モデル
  • クラスキャット
    • 会社案内
    • お問合せ
    • Facebook
    • ClassCat® Blog
Menu

TensorFlow 0.11.0 リリースノート

Posted on 11/14/2016 by Sales Information

(翻訳/解説)TensorFlow 0.11.0 リリースノート
翻訳 : (株)クラスキャット セールスインフォメーション
日時 : 11/14/2016

* 本ページは、github TensorFlow の releases の TensorFlow 0.11.0 を翻訳したものです:
    https://github.com/tensorflow/tensorflow/blob/r0.11/RELEASE.md

 

主要な特徴と改良

  • CUDA 8 サポート。
  • cuDNN 5 サポート。
  • HDFS サポート。
  • Fused LSTM の cuDNN 5 経由のサポートを tensorflow/contrib/cudnn_rnn で追加。
  • NumPy スタイルの基本的なスライシングのサポートが改善されました。non-1 ストライド, ellipsis (…), (np.)newaxis そして negative indices(負のインデックス)を含みます。例えば foo[1, 2:4, tf.newaxis, …, :-3:-1, :] のような複雑な式も現在ではサポートされます。更に変数に対するスライスされた割り当てのための予備的な (non-broadcasting) サポートもあります。特に var[1:3].assign([1,11,111]) のように書けます。
  • 統一された tf.name_scope と tf.variable_scope のために tf.op_scope と tf.variable_op_scope は deprecated としました。tf.variable_scope の新しい引数順序は以前のバージョンのものとは非互換です。
  • core/util/tensor_bundle モジュールを導入しています : このモジュールはテンソルを効率的にディスクに serialize/deserialize します。TF の新しいチェックポイント・フォーマットにおいて使用されるでしょう。
  • dense matrices(密行列)あるいは行列のバッチの singular value decomposition (SVD – 特異値分解) を計算するための tf.svd を追加しました (CPU only)。
  • self_adjoint_eig または self_adjoint_eigvals を使用して計算された、固有値と固有ベクトルのための勾配が追加されました。
  • 殆どの線形代数と FET ops のための batch_* メソッドは削除し、行列のバッチを扱うための ops の non-batch バージョンを推進しました。
  • 分散ランタイムのためのトレーシング/タイムライン・サポート (no GPU profiler yet)。
  • C API の TF_GraphGetTensorNumDims と TF_GraphGetTensorShape を用いた inferred shapes へのアクセス。
  • core ops のための shape 関数は REGISTER_OP(…).SetShapeFn(…) 経由の C++ に移されました。Python shape inference RegisterShape コールは common_shapes.call_cpp_shape_fn で C++ shape 関数を使用します。先のリリースでは python からRegisterShape は削除されます。
 

バグ修正と他の変更

  • ドキュメントはテンソルと変数上の演算子オーバーロードを現在では含みます。
  • tensorflow.__git_version__ は、TensorFlow がコンパイルされた、コードのバージョンをユーザに識別することを可能にしました。 また tensorflow.__git_compiler__ は TensorFlow core をコンパイルするのに使われたコンパイラを識別します。
  • batch_matmul のマルチスレッド性能が改善されました。
  • LSTMCell, BasicLSTMCell と MultiRNNCell コンストラクタは state_is_tuple=True にデフォルト設定されます。新しいデフォルトへ移行する間の迅速なフィックスとしては、単純に引数 state_is_tuple=False を渡せば良いです。
  • DeviceFactory の AddDevices と CreateDevices 関数は void の代わりにステータスを返します。
  • list(type) 引数の Int32 要素はデフォルトではホスト・メモリに置かれません。必要ならば HostMemory アノテーションを使うことにより kernel への list(type) 引数はホストメモリに置かれます。
  • uniform_unit_scaling_initializer() はもはや full_shape arg を取りません、代わりにそれが呼び出された時に initializer 関数に渡された partition info に依存します。
  • NodeDef protocol メッセージは graph.proto の代わりに own ファイル node_def.proto で定義されます。
  • ops.NoGradient は ops.NotDifferentiable に名前変更されました。ops.NoGradient は間もなく削除されます。
  • dot.h / DotGraph は削除されました(TensorBoard に先行した初期の解析ツールで、もはや有用ではありません)。歴史的にはコードが有用であったと認められるでしょう。
 

以上

クラスキャット

最近の投稿

  • LangGraph 0.5 : エージェント開発 : エージェントの実行
  • LangGraph 0.5 : エージェント開発 : prebuilt コンポーネントを使用したエージェント開発
  • LangGraph 0.5 : Get started : ローカルサーバの実行
  • LangGraph 0.5 on Colab : Get started : human-in-the-loop 制御の追加
  • LangGraph 0.5 on Colab : Get started : Tavily Web 検索ツールの追加

タグ

AutoGen (13) ClassCat Press Release (20) ClassCat TF/ONNX Hub (11) DGL 0.5 (14) Eager Execution (7) Edward (17) FLUX.1 (16) Gemini (20) HuggingFace Transformers 4.5 (10) HuggingFace Transformers 4.6 (7) HuggingFace Transformers 4.29 (9) Keras 2 Examples (98) Keras 2 Guide (16) Keras 3 (10) Keras Release Note (17) Kubeflow 1.0 (10) LangChain (45) LangGraph (24) MediaPipe 0.8 (11) Model Context Protocol (16) NNI 1.5 (16) OpenAI Agents SDK (8) OpenAI Cookbook (13) OpenAI platform (10) OpenAI platform 1.x (10) OpenAI ヘルプ (8) TensorFlow 2.0 Advanced Tutorials (33) TensorFlow 2.0 Advanced Tutorials (Alpha) (15) TensorFlow 2.0 Advanced Tutorials (Beta) (16) TensorFlow 2.0 Guide (10) TensorFlow 2.0 Guide (Alpha) (16) TensorFlow 2.0 Guide (Beta) (9) TensorFlow 2.0 Release Note (12) TensorFlow 2.0 Tutorials (20) TensorFlow 2.0 Tutorials (Alpha) (14) TensorFlow 2.0 Tutorials (Beta) (12) TensorFlow 2.4 Guide (24) TensorFlow Deploy (8) TensorFlow Get Started (7) TensorFlow Graphics (7) TensorFlow Probability (9) TensorFlow Programmer's Guide (22) TensorFlow Release Note (18) TensorFlow Tutorials (33) TF-Agents 0.4 (11)
2016年11月
月 火 水 木 金 土 日
 123456
78910111213
14151617181920
21222324252627
282930  
« 10月   12月 »
© 2025 ClasCat® AI Research | Powered by Minimalist Blog WordPress Theme