ホーム » Keras » Keras 2.0.9 リリースノート

Keras 2.0.9 リリースノート

Keras 2.0.9 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 : 11/25/2017

* 本ページは、github Keras の releases の Keras 2.0.9 を翻訳したものです:

 

改良領域

  • RNN の改良:
    • atomic RNN セルに依拠するように RNN 層をリファクタリングしました。これは RNN 基底クラスを通したカスタム RNN の作成を非常に単純にかつユーザフレンドリーにします。
    • 効率的なスタックされた RNN を可能にする、セルのリストをスタックすることによって新しい RNN セルを作成する機能を追加します。
    • 高速な GPU トレーニング & 推論のために CuDNNLSTM と CuDNNGRU 層を追加します、これはNVIDIA cuDNN ライブラリをバックエンドとします。
    • RNN Sequence-to-sequence サンプル・スクリプトの追加。
    • RNN の call メソッドで定数引数を追加します、これは RNN attention の実装を容易にします。
  • keras.utils.multi_gpu_model によるより容易なマルチ GPU データ並列処理。
  • バグ修正 & パフォーマンス改良 (特に、TensorFlow における NCHW データ・レイアウトのネイティブ・サポート)。
  • ドキュメント改良とサンプル改良。

 

API 変更

  • “fashion mnist” を keras.datasets.fashion_mnist.load_data() として追加します。
  • Minimum merge 層を keras.layers.Minimum (クラス) と keras.layers.minimum(inputs) (層) として追加します。
  • InceptionResNetV2 を keras.applications へ追加します。
  • TensorFlow バックエンドで bool 変数をサポートします。
  • SeparableConv2D に膨張処理 (= dilation) を追加します。
  • Dropout における動的な noise_shape のサポートを追加します。
  • (cell クラスからカスタム RNN 層を実装するために使用される) batch-level RNN のために keras.layers.RNN() 基底クラスを追加します。
  • keras.layers.StackedRNNCells() 層ラッパーを追加します、これは RNN セルのリストを単一のセルにスタックするために使用されます。
  • CuDNNLSTM と CuDNNGRU 層を追加します。
  • RNN 層のための implementation=0 を deprecate します。
  • Keras progbar は過去の各々のエポックにかかった時間、そしてステップ毎の平均時間を今ではレポートします。
  • keras.preprocessing.image.load_img() における特定の resampling メソッドへのオプションを追加します。
  • 容易な マルチ GPU データ並列処理のための keras.utils.multi_gpu_model を追加します。
  • RNN call メソッドで定数引数を追加します、これは基礎となる RNN セルに定数テンソルのリストを渡すために使用されます。

 

重要な変更

  • keras.losses.cosine_proximity における実装変更は異なる (正しい) スケーリング挙動の結果になります。
  • ImageDataGenerator における samplewise 正規化のための実装変更は異なる正規化挙動の結果になります。

 
以上

AI導入支援 #2 ウェビナー

スモールスタートを可能としたAI導入支援   Vol.2
[無料 WEB セミナー] [詳細]
「画像認識 AI PoC スターターパック」の紹介
既に AI 技術を実ビジネスで活用し、成果を上げている日本企業も多く存在しており、競争優位なビジネスを展開しております。
しかしながら AI を導入したくとも PoC (概念実証) だけでも高額な費用がかかり取組めていない企業も少なくないようです。A I導入時には欠かせない PoC を手軽にしかも短期間で認知度を確認可能とするサービの紹介と共に、AI 技術の特性と具体的な導入プロセスに加え運用時のポイントについても解説いたします。
日時:2021年10月13日(水)
会場:WEBセミナー
共催:クラスキャット、日本FLOW(株)
後援:働き方改革推進コンソーシアム
参加費: 無料 (事前登録制)
人工知能開発支援
◆ クラスキャットは 人工知能研究開発支援 サービスを提供しています :
  • テクニカルコンサルティングサービス
  • 実証実験 (プロトタイプ構築)
  • アプリケーションへの実装
  • 人工知能研修サービス
◆ お問合せ先 ◆
(株)クラスキャット
セールス・インフォメーション
E-Mail:sales-info@classcat.com