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 1.8.0 リリースノート

Posted on 04/28/2018 by Sales Information

TensorFlow 1.8.0 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 : 04/28/2018

* 本ページは、github TensorFlow の releases の TensorFlow 1.8.0 を翻訳したものです:

  • https://github.com/tensorflow/tensorflow/releases/tag/v1.8.0

 

主要な特徴と改良

  • 一つのマシン上の複数 GPU 上の Estimator モデルを実行するために今は tf.contrib.distribute.MirroredStrategy() を tf.estimator.RunConfig() に渡すことができます。
  • tf.contrib.data.prefetch_to_device() を追加します、これは GPU メモリへの prefetch をサポートします。
  • pre-made Estimator として Gradient Boosted Trees を追加します : BoostedTreesClassifier, BoostedTreesRegressor。
  • Cloud TPU のための第三世代パイプライン config を追加します、これはパフォーマンスとユーザビリティを改善します。
  • tf.contrib.bayesflow はそれ自身のレポジトリに move out します。
  • generic proto 解析と RPC 通信を可能にする tf.contrib.{proto,rpc} を追加しました。

 

バグ修正とその他の変更

  • tf.data:
    • tf.contrib.data.prefetch_to_device を追加します、これは GPU メモリに対して dataset 要素を prefetch することを可能にします。
    • tf.contrib.data.AUTOTUNE を追加します、これは tf.data ランタイムに貴方のシステムと環境に基づいて prefetch バッファサイズを自動的に調整することを可能にします。
    • CSV ファイルの dataset を構築するために tf.contrib.data.make_csv_dataset を追加します。
  • Eager Execution:
    • eager execution では Dataset は今では (dataset の batch のために) 標準的な python iterator として使用できます。eager execution が有効であるとき Dataset.__iter__() と Dataset.make_one_shot_iterator() の両者は今では iterator を作成するために使用できます。
    • 自動デバイス配置が有効になりました (i.e., 利用可能なときには明示的な with tf.device(“/gpu:0”) を必要とすることなく、GPU を使用します)。 (Fixes #14133)
    • tf.GradientTape は contrib から move out しました。
  • tf.keras:
    • fashion mnist データセットを追加しました。
    • 新しいデータ前処理関数: image/random_brightness, sequence/TimeseriesGenerator, そして text/hashing_trick。
  • Accelerated Linear Algebra (XLA):
    • 参照 util の select と scatter そして evaluator は今では関係を切る (= break ties) ために lexicographical order を使用します。
  • TensorFlow デバッガー (tfdbg) CLI:
    • tensor-filte 演算の間、正規表現によるノードの排除 (= exclusion) を可能にします。
    • ある種のテキスト端末で偽の (= spurious) 背景カラーを修正します。
  • tf.contrib:
    • meta-distribution BatchReshape を追加します、これはバッチ次元を reshape します。
    • tf.contrib.layers.recompute_grad は TPU 上の明示的な勾配チェックポインティングのために動作します。
    • tf.contrib.framework.argsort を追加します。
    • DNNBoostedTreeCombinedEstimator を特徴カラムと損失のコア・バージョンとともに動作することを可能にします。
    • 非線型画像ワーピング ops を追加します : tf.contrib.image.sparse_image_warp, tf.contrib.image.dense_image_warp, そして tf.contrib.image.interpolate_spline。
    • tf.contrib.opt.MultitaskOptimizerWrapper のバグを修正します、そこでは tensor の型がミスマッチでした。
  • その他:
    • 低位グラフ構築は今では TensorFlow C API を呼び出します。この変更は殆どのユーザに対して不可視であるべきですが、このリリースでは環境変数 TF_C_API_GRAPH_CONSTRUCTION=0 を設定することにより無効にできます。将来のリリースはこの変更を無効にするきのうを除去するでしょう。この脱出用ハッチを使用して貴方自身でバグを見つける場合には ファイル してください。
    • tf.distributions.Distribution の shapes の記述とチュートリアル notebook へのポインタを追加します。
    • scatter 演算を更新します :
      • tf.scatter_min と tf.scatter_max を追加します。
      • scatter 演算を scalar 更新パラメータと共に動作するように拡張します。
    • TensorFlow codebase 内のみの使用のために cuDNN RNN ops を core に移します。
    • Conv2d, Conv2dBackpropInput, and Conv2dBackpropFilter のために float64 サポートを追加します。
    • AvgPool/AvgPoolGrad のために float64 サポートを追加します。
    • グラフ名スコープをスレッドローカルにします、その結果マルチスレッド環境で正しく動作します。
    • Linux 上で遅い primitive を回避するために nsync 同期ライブラリを更新します。
    • カスタム ops を構築するとき C include パス上の nsync/public を置く必要性を除去しました。
    • tf.image.psnr, tf.image.ssim, tf.image.ssim_multiscale, tf.image.image_gradients, tf.image.sobel_edges を追加します。
    • https://js.tensorflow.org へのリンクを追加します。
    • 直交行列の非一様性を修正します。
    • 複数画像 Estimator 評価 summaries が正しく表示されなかったバグを修正します。

 
以上

クラスキャット

最近の投稿

  • Agno : コンセプト : エージェント – 概要
  • Agno : イントロダクション : Playground / モニタリング & デバッグ
  • Agno : イントロダクション : マルチエージェント・システム
  • Agno : イントロダクション : エージェントとは ? / Colab 実行例
  • Agno : MAS 構築用フルスタック・フレームワーク

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) LangGraph 0.5 (9) 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 Probability (9) TensorFlow Programmer's Guide (22) TensorFlow Release Note (18) TensorFlow Tutorials (33) TF-Agents 0.4 (11)
2018年4月
月 火 水 木 金 土 日
 1
2345678
9101112131415
16171819202122
23242526272829
30  
« 3月   5月 »
© 2025 ClasCat® AI Research | Powered by Minimalist Blog WordPress Theme