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 1.1.0 リリースノート

Posted on 04/27/2017 by Sales Information

TensorFlow 1.1.0 リリースノート(翻訳)
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 : 04/27/2017

* 本ページは、github TensorFlow の releases の TensorFlow 1.1.0 を翻訳したものです:
    https://github.com/tensorflow/tensorflow/blob/r1.1/RELEASE.md

 

主要な特徴と改良

  • Windows のための Java API サポートを追加しました。
  • tf.spectral モジュールを追加しました。既存の FFT ops は tf.spectral に移しましたが古い位置 (tf.*) におけるエイリアスは保持しています。
  • 実信号のための 1D, 2D と 3D フーリエ変換 ops を tf.spectral に追加しました。
  • tf.bincount 関数を追加しました。
  • Keras 2 API を contrib に追加しました。
  • 新しい軽量のキュー・ライクなオブジェクトを追加しました – RecordInput。
  • tf.contrib.image.compose_transforms 関数を追加しました。
  • tf.estimator.* を API に持ち込みました。tf.contrib.learn.Estimator からの Non-deprecated な機能は体裁の変更とともに tf.estimator.Estimator に移されました。
  • Docker イメージ: gcr.io と Docker Hub の TF イメージは ubuntu:16.04 にアップグレードされました。
  • 次の特徴を TensorFlow デバッガー (tfdbg) に追加しました :
    • TF ops とテンソルに対する Python ソースファイルを検証する機能 (command print_source / ps)
    • Curses ベースの UI における新しいナビゲーション・バー
    • NodeStepper (command invoke_stepper) は今では中間的なテンソル・ダンプを使用します。それはまた、改良されたパフォーマンスと減少したメモリ消費のための連続的な cont 呼び出しの間に直接的な feed として TensorHandles も使用します。
  • Java, C, そして Go のためのインストール・ガイドの初期リリース。
  • TensorBoard に Text ダッシュボードが追加されました。

 

Deprecations

  • TensorFlow 1.1.0 は Mac GPU サポートと共にバイナリをリリースする最後の時となるでしょう。前進するために、Mac GPU システム上のテストをやめることにします。Mac GPU サポートのためのパッチは歓迎し続けます、そして Mac GPU ビルドが動作することを保持するつもりです。

 

contrib API への変更

  • RNNCells の挙動は、RNNCells をより Keras 層のように動作する方向での遷移のために今ではより厳密です。
    • RNNCell が2つの異なる変数スコープで2度使用される場合、この挙動をどのように回避するかを説明するエラーが上がります。
    • RNNCell が既存の衝突する変数の変数スコープで使用される場合、RNNCell は reuse=True 引数とともにコンストラクトされなければならないことを示すエラーが上がります。
  • contrib/distributions pmf, pdf, log_pmf, log_pdf は deprecated されました。
  • bayesflow.special_math は distributions に移されました。
  • tf.contrib.tensor_forest.python.tensor_forest.RandomForestDeviceAssigner は削除されました。
  • 幾つかの MVN クラスとパラメータを変更しました :
    • tf.contrib.distributions.MultivariateNormalFull は tf.contrib.distributions.MultivariateNormalTriL で置き換えられました。
    • tf.contrib.distributions.MultivariateNormalCholesky は tf.contrib.distributions.MultivariateNormalTriL で置き換えられました。
    • tf.contrib.distributions.MultivariateNormalDiagWithSoftplusStDev は tf.contrib.distributions.MultivariateNormalDiagWithSoftplusScale で置き換えられました。
    • tf.contrib.distributions.MultivariateNormalDiag 引数は mu, diag_stddev から log, scale_diag に変更されました。
    • tf.contrib.distributions.MultivariateNormalDiagPlusVDVT は削除されました。
    • tf.contrib.distributions.MultivariateNormalDiagPlusLowRank が追加されました。

 

バグ修正と他の変更

  • Java: SavedModel API を使用して export されたモデルのロードのサポート (courtesy @EronWright)。
  • Go: インクリメンタル・グラフ実行のサポートを追加しました。
  • シングル・スレッドの時の WALS solver のバグを修正しました。
  • tf.contrib.layers.sparse_column_with_keys の整数スパース特徴値のためのサポートを追加しました。
  • tf.set_random_seed(0) が全ての ops に対して決定論的であるように修正しました。
  • GCS ファイルシステムのサポートのための安定性の改善。
  • TensorForest パフォーマンスを改善しました。
  • tf.matching_files の複数のファイル名 globs のためのサポートを追加しました。
  • LogMessage は今ではメッセージの最初としてタイムスタンプを含みます。
  • MultiBox 人間検出 (person detector) サンプル・スタンドアローン・バイナリを追加しました。
  • Android デモ: Windows における Android の TensorFlow デモの完全なビルド・サポートのために Makefile ビルド機能が build.gradle に追加されました。
  • Android デモ: Multibox を protobuf よりも txt ファイルから先に読みます。
  • StagingArea に co-location 制約を追加しました。
  • Android ビルドのために sparse_matmul_op が再有効にされました。
  • broadcast ターゲットと同じになるように重み rank を制限しました、broadcast ルールの曖昧さの回避のためです。
  • libxsmm を 1.7.1 にアップグレードして他の変更をパフォーマンスとメモリ使用のために適用しました。
  • ops に入力バッファを出力バッファに forward して in-place 計算を実行することを可能にすることにより、パフォーマンスを改善してメモリ消費量を軽減しました。
  • 文字列のための CPU 割り当てのパフォーマンスを改善しました。
  • 未知の shape での matrix * vector 乗算と matrix * matrix をスピードアップ。
  • C API: グラフ import は今では入力リマッピング、制御依存そして import されたノードの returning をサポートします。(TF_GraphImportGraphDefWithReturnOutputs() 参照)
  • 複数の C++ API 更新。
  • 複数の TensorBoard 更新は以下を含みます :
    • ユーザは今では画像 summaries を様々なサンプリングされたステップで見ることができます (最後のステップだけの代わりに)。
    • 画像ダッシュボードに加えて切り替え実行を含むバグが修正されました。
    • TensorBoard からデータ・ダウンロード・リンクを削除しました。
    • より容易な embedding のために、TensorBoard は相対データ・ディレクトリを使用します。
    • TensorBoard はドメイン計算のための外れ値を自動的に無視し、比例値を一貫性のあるフォーマットをします。
  • 複数の tfdbg バグ修正 :
    • Windows 互換問題を修正しました。
    • コマンド履歴は今では実行に渡り永続化されます。
    • tf.while_loops に関するグラフ検証におけるバグ修正。
  • Windows インストールにおけるバグのために Java Maven 修正。
  • 外部 Keras からの修正と改良をバックポート。
  • Keras config ファイル処理の修正。
 

以上

クラスキャット

最近の投稿

  • LangGraph 0.5 on Colab : Get started : クイックスタート
  • LangGraph on Colab : SQL エージェントの構築
  • LangGraph on Colab : マルチエージェント・スーパーバイザー
  • LangGraph on Colab : エージェント型 RAG
  • LangGraph : 例題 : エージェント型 RAG

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)
2017年4月
月 火 水 木 金 土 日
 12
3456789
10111213141516
17181920212223
24252627282930
« 3月   5月 »
© 2025 ClasCat® AI Research | Powered by Minimalist Blog WordPress Theme