ホーム » TensorFlow » TensorFlow 1.8.0 リリースノート

TensorFlow 1.8.0 リリースノート

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:

 

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

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