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 1.7.0 リリースノート

Posted on 03/29/2018 by Sales Information

TensorFlow 1.7.0 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 : 03/29/2018

* 本ページは、github TensorFlow の releases の TensorFlow 1.7.0 を翻訳したものです:

  • https://github.com/tensorflow/tensorflow/releases/tag/v1.7.0

 

主要な特徴と改良

  • Eager モードは contrib から移動しています、enable_eager_execution() を試してください。
  • Graph は、TensorFlow Lite と互換な固定小数点数の量子化のエミュレーションを書き直し、これは新しい tf.contrib.quantize パッケージによってサポートされます。
  • 勾配計算を tf.custom_gradient で簡単にカスタマイズします。
  • TensorBoard Debugger プラグイン、TensorFlow Debugger (tfdbg) のグラフィカル・ユーザインタフェース (GUI)、が今では alpha になります。
  • 新しい tf.contrib.data.SqlDataset で sqlite データベースを Dataset として読むための実験的サポート。
  • 分散 Mutex / CriticalSection が tf.contrib.framework.CriticalSection に追加されました。
  • tf.regex_replace によるより良いテキスト処理。
  • tf.contrib.data.bucket_by_sequence_length による簡単で、効率的なシークエンス入力。

 

バグ修正とその他の変更

  • Accelerated Linear Algebra (XLA):
    • XLA のための MaxPoolGradGrad サポートの追加。
    • XLA において Tensorflow からの CSE パスは今では無効にされています。
  • tf.data:
    • tf.data.Dataset
      • tf.load_op_library() メカニズムを使用した、C++ Dataset op kernel を外部ライブラリとしてビルドするためのサポートを追加。
      • Dataset.list_files() は今ではデフォルトでその出力をシャッフルします。
      • Dataset.shuffle(…, seed=tf.constant(0, dtype=tf.int64)) は今では Dataset.shuffle(…, seed=0) と同じ要素のシークエンスを生成します。
    • tf.data.TFRecordDataset に num_parallel_reads 引数を追加。
  • tf.contrib:
    • tf.contrib.bayesflow.halton_sequence は今ではランダム化をサポートします。
    • tf.contrib.all_reduce におけるスカラーのサポートを追加。
    • tf.contrib.bayesflow.mcmc_diagnostics に effective_sample_size を追加。
    • tf.contrib.bayesflow.mcmc_diagnostics に potential_scale_reduction を追加。
    • BatchNormalization, Kumaraswamy bijector を追加。
    • tf.contrib.learn を deprecate します。既存のコードをどのように変換するかの手順は contrib/learn/README.md をチェックしてください。(訳注: リンクはなし)
    • tf.contrib.data
      • deprecated な tf.contrib.data.Dataset, tf.contrib.data.Iterator, tf.contrib.data.FixedLengthRecordDataset, tf.contrib.data.TextLineDataset, そして tf.contrib.data.TFRecordDataset クラスを除去しました。
      • bucket_by_sequence_length, sliding_window_batch, そして make_batched_features_dataset を追加しました。
    • 保守されていない tf.contrib.ndlstm を除去しました。https://github.com/tmbarchive/tfndlstm でそれを外部で見つけることができます。
    • tf.contrib.bayesflow の殆どをそれ自身の repo: tfp に移動しました。
  • その他:
    • 例外が発生する場合、tf.py_func は今では完全なスタック・トレースをレポートします。
    • Cloud TPU のために GKE の統合により TPUClusterResolver を統合します。
    • サンプラーの統計的テストのためのライブラリの追加。
    • GCE VM からのデータを Cloud TPU にストリームするためのヘルパーを追加。
    • ClusterResolvers を TPUEstimator により統合します。
    • metropolis_hastings インターフェイスを HMC kernel で統一。
    • LIBXSMM 畳み込みを別の –define フラグに移動する結果それらはデフォルトでは無効化されました。
    • MomentumOptimizer lambda の修正。
    • プログラマブルな docstring を通して tfp.layers のボイラープレートを削減します。
    • auc_with_confidence_intervals を追加します、線形対数時間計算量で AUC と信頼区間 (= confidence interval) を計算するためのメソッドです。
    • array_ops.identity が要請を満たさない場合にユーザが自身のリンク関数を定義できる使用方法を満たすために、regression_head は今ではカスタマイズされたリンク関数を受け取ります。
    • VariableDef proto から作成された ResourceVariables のために initialized_value と initial_value の挙動を修正します。
    • テンソルの仕様を表現するために TensorSpec を追加します。
    • Constant folding pass は今では決定論的です。
    • tf.linalg.* において float16 dtype をサポート。
    • tf.estimator.Estimator.export_savedmodel に生テンソルをモデル関数に渡すことを可能にする tf.estimator.export.TensorServingInputReceiver を追加します。

 
以上

クラスキャット

最近の投稿

  • LangGraph 0.5 on Colab : Get started : Tavily Web 検索ツールの追加
  • LangGraph 0.5 on Colab : Get started : カスタム・ワークフローの構築
  • 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

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)
2018年3月
月 火 水 木 金 土 日
 1234
567891011
12131415161718
19202122232425
262728293031  
« 2月   4月 »
© 2025 ClasCat® AI Research | Powered by Minimalist Blog WordPress Theme