ホーム » TensorFlow » TensorFlow 1.11.0 リリースノート

TensorFlow 1.11.0 リリースノート

TensorFlow 1.11.0 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 : 09/28/2018

* 本ページは、github TensorFlow の releases の TensorFlow 1.11.0 を翻訳したものです:

 

主要な特徴と改良

  • Nvidia GPU:
    • 事前ビルドされたバイナリは今では (TensorFlow 1.11 の時点で) cuDNN 7.2 と TensorRT 4 に対してビルドされています。
  • Google Cloud TPU:
    • Google Cloud TPU 上 Keras のための実験的 tf.data 統合。
    • Google Cloud TPU 上 eager execution のための実験的 / プレビュー・サポート。
  • DistributionStrategy:
    • tf.keras でマルチ GPU DistributionStrategy サポートを追加します。今ではユーザは彼らのモデルをマルチ GPU 上で分散するために fit, evaluate そして predict を使用できます。
    • Estimator でマルチワーカー DistributionStrategy とスタンドアローン・クライアント・サポートを追加します。より詳細のためには [README] (https://github.com/tensorflow/tensorflow/tree/master/tensorflow/contrib/distribute) を見てください。
  • カーネルに問い合わせるための C, C++, そして Python 関数を追加します。

 

互換性に影響する変更

  • Keras:
    • tf.keras RandomUniform, RandomNormal, and TruncatedNormal initializers のためのデフォルト値は外部 Keras のそれらに一致するように変更されました。
    • Breaking change: Sequential モデル上の model.get_config() は今では基礎層のための config のリストの代わりに (他の Model インスタンスと一貫した) config 辞書を返します。

 

バグ修正とその他の変更

  • C++:
    • SessionFactory::NewSession のシグネチャを失敗時に (それが) 意味のあるエラーメッセージを返せるように変更しました。
  • tf.data:
    • tf.contrib.data.make_csv_dataset() から num_parallel_parser_calls 引数を除去します。[tf.data] tf.contrib.data.make_csv_dataset() からnum_parallel_parser_calls 引数を除去します。(訳注: 原文ママ)
    • tf.data.Dataset.list_files() は引数がファイルにマッチしない場合初期化時に例外をあげます。
    • 明確化のために BigTable クラスを BigtableTable に名前変更しました。
    • Cloud Bigtable API の利用の文書化。
    • tf.contrib.data.reduce_dataset を追加しています、これはデータセットを単一要素に減じるために使用できます。tf.contrib.data.sliding_window_batch の一般化です。
  • INC:
    • triangular solve へのランタイムの改良。
  • tf.contrib:
    • tf.keras.layers.LocallyConnected2D と tf.keras.layers.LocallyConnected1D に implementation 引数を追加します。新しいモード (implementation=2) は forward パスを単一の密行列乗算として遂行し、特定のシナリオでは劇的なスピードアップを可能にします (しかし他ではより悪いパフォーマンスです – docstring を見てください)。オプションはまた padding=same を使用することを可能にします。
    • tf.fill と tf.constant の違いを明確にするドキュメントを追加します。
    • 実験的な IndexedDatasets を追加します。
    • lite proto ランタイムを使用して selective registration ターゲットを追加します。
    • TensorFlow Lite Java に単純な Tensor と DataType クラスを追加します。
    • uint32 と uint64 への/からの bitcasting のサポートを追加します。
    • Estimator のサブクラスを追加しました、それは SavedModel から作成できます (SavedModelEstimator)。
    • 引数として leaf index modes を追加します。
    • tf.contrib.image.transform で入力と異なる出力 shape を許容します。
    • 自然な順序にするために StackedRNNCell の state_size 順序を変更します。既存の挙動を保持するために、StackedRNNCells を構築するときユーザは everse_state_order=True を追加できます。
    • self.session() または self.cached_session() を支持し self.test_session() を deprecate します。
    • 直接 tensor.proto.h をインポートします (transitive import は間もなく tensor.h から除去されます)。
    • Estimator.train() は今では tf.contrib.summary.* 要約をサポートします ; .train() への各呼び出しは共有された一つを再利用するのではなく今では個別の tfevents ファイルを作成します。
    • FTRL L2-shrinkage 挙動を修正します: L2 shrinkage 項からの勾配は accumulator で終わるべきではありません。
    • Windows 上 toco コンパイル/実行を修正します。
    • どの Google Cloud Engine ゾーンで tensorflow が動作しているかを検出するための GoogleZoneProvider クラスが追加されました。
    • nullptr 上で任意の C API の TF_Delete* を呼び出すことは今では安全です。
    • Android 上幾つかのエラーを logcat にログします。
    • 量子化された TFLite 推論モデルの精度を改良するために TFLite で FakeQuant 数値を調和させます (= match) 。
    • GCS ファイルシステムのためのオプションの bucket 位置チェック。
    • StringSplitOp & StringSplitV2Op のためのパフォーマンス拡張。
    • regex replace 演算のためのパフォーマンス改良。
    • TFRecordWriter は .write() が失敗する場合に今ではエラーをあげます。
    • TPU: TPUClusterResolvers のより役立つエラーメッセージ。
    • MetaGraphs を追加するための SavedModelBuilder メソッドへの legacy_init_op 引数は deprecated になりました。代わりに同値な main_op 引数を使用してください。この一部として、main_op 上のチェックは以前はロード時にのみ成されていたところを今では SavedModel 構築時に単一の main_op または legacy_init_op のための明示的にチェックします。
    • Estimator 訓練のためのプロトコルは今では RunConfig で構成可能です。
    • Triangular solve パフォーマンス改良。
    • TF と Keras 間の RNN cell インターフェイスを統一します。Keras と TF RNN cell に新しい get_initial_state() を追加します、これは既存の zero_state() メソッドを置き換えるために使用します。
    • Keras の変数の初期化を更新します。
    • tensorflow/contrib で “constrained_optimization” に更新します。
    • boosted trees: pruning モードを追加します。
    • tf.train.Checkpoint は古いチェックポイントをデフォルトでは削除しません。
    • tfdbg: ダンプされる tensor データにより占有される総計ディスク容量を 100 GB に制限します。この上限の調整を可能にするために環境変数 TFDBG_DISK_BYTES_LIMIT を追加します。

 
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