ホーム » TensorFlow » TensorFlow 1.6.0 リリースノート

TensorFlow 1.6.0 リリースノート

TensorFlow 1.6.0 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 : 03/01/2018

* 本ページは、github TensorFlow の releases の TensorFlow 1.6.0 を翻訳したものです:

 

互換性に影響する変更

  • 事前ビルドされたバイナリは CUDA 9cuDNN 7 に対してビルドされています。
    (訳注 : 1.5 から変更はありません。)
  • 事前ビルドされたバイナリは AVX 命令を使用します。これはより古い CPU 上での TF を壊すかもしれません。
    (訳注: これは 1.5 のリリースノートで予告されていました。 )

 

主要な特徴と改良

  • non-slot variable のための新しい Optimizer 内部 API。_beta[12]_power にアクセスする AdamOptimizer の descendant は更新される必要があります。
  • tf.estimator.{FinalExporter,LatestExporter} は今では stripped SavedModel をエクスポートします。これは SavedModel の前方互換性を改善します。
  • FFT サポートが XLA CPU/GPU に追加されました。
  • Android TF は今では Tegra 互換デバイス上の CUDA アクセラレーションで構築可能です (更なる情報のためには contrib/makefile/README.md を見てください)。

 

バグ修正とその他の変更

  • ドキュメント更新:
    • Getting Started の2番目のバージョンを追加しました、これは ML の新人をターゲットにしています。
    • resize_images.align_corners パラメータについてのドキュメントの明確化。
    • TPU のための追加ドキュメント。
  • Google Cloud Storage (GCS):
    • クライアント側 throttle を追加。
    • GcsFileSystem のための実装とともに、FileSystem インターフェイスに FlushCaches() メソッドを追加。
  • その他:
    • tf.contrib.distributions.Kumaraswamy を追加。
    • RetryingFileSystem::FlushCaches() はベース FileSystem の FlushCaches() を呼び出します。
    • distributions に auto_correlation を追加。
    • tf.contrib.distributions.Autoregressive を追加。
    • SeparableConv1D 層を追加。
    • 畳み込み Flipout 層を追加。
    • tf.matmul の両者の入力が bfloat16 であるとき、それは float32 の代わりに、bfloat16 を返します。
    • tf.contrib.image.connected_components を追加。
    • atomic variable アクセスを許す tf.contrib.framework.CriticalSection を追加。
    • 分類タスクに対する木予測 (= trees predictions) に渡る出力分散 (= variance)。
    • pt と eval コマンドについて、テンソル値をファイルシステムに numpy ファイルとして書くことを可能にします。
    • gRPC: (gRPC 内部エラーを返す代わりに) 切断 (= truncated) エラーを伝播します。
    • prefetching の2種をサポートするために parallel_interleave を拡張。
    • C64-関連 ops log, pow, atan2, tanh に対する XLA サポートの改良。
    • 確率的畳み込み (= probabilistic convolutional) 層の追加。

 

API 変更

  • 後方互換正のためにデフォルト設定 False で prepare_variance boolean を導入。
  • ayers_dense_variational_impl.py を layers_dense_variational.py に移動。

 

既知のバグ

  • CUDA 9 か CUDA 9.1 と共に XLA:GPU を使用するとガベージ (= garbage) な結果そして/あるいは CUDA_ILLEGAL_ADDRESS 失敗という結果になります。

    Google は December 2017 中旬に CUDA 9 と CUDA 9.1 の PTX-to-SASS コンパイラが巨大なオフセット (e.g. load [x + large_constant]) を持つ 64-bit アドレス計算を SASS における 32-bit 計算に分解するときにキャリービットを時々正しく計算しないことを発見しました。

    結果的に、これらのバージョンの ptxas は 4GB 以上の一時メモリを使用する殆どの XLA プログラムをミスコンパイルします。これはガベージ結果 and/or CUDA_ERROR_ILLEGAL_ADDRESS 失敗という結果になります。

    February 2018 終盤の CUDA 9.1.121 における修正が期待されます。私達は CUDA 9.0.x のための修正は期待していません。修正が利用可能になるまでは、唯一のワークアラウンドは CUDA 8.0.x に ダウングレード するか XLA:GPU を無効にすることです。

    CUDA の既知の問題となるバージョンで XLA:GPU を使用する場合には TensorFlow は警告を出力します ; e00ba24 を見てください。

  • ある種のアップグレードのフローの後、tensorboard コマンドかモジュールが欠落しているように見えるかもしれません。これは TensorBoard パッケージ名を変更した結果として pip パッケージが矛盾を起こすためです。修正のためには TensorBoard 1.6.0 リリースノート を見てください。

 
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