ホーム » TensorFlow » TensorFlow : Roadmap : TensorFlow 2.0 がやってくる

TensorFlow : Roadmap : TensorFlow 2.0 がやってくる

TensorFlow : Roadmap : TensorFlow 2.0 がやってくる (翻訳/解説)

翻訳 : (株)クラスキャット セールスインフォメーション
作成日時 : 10/01/2018

* 本ページは、TensorFlow の本家サイトの Community – Roadmap の以下のページを翻訳した上で
適宜、補足説明したものです:

* ご自由にリンクを張って頂いてかまいませんが、sales-info@classcat.com までご一報いただけると嬉しいです。

 

TensorFlow 2.0 がやってくる

最近アナウンスされたように、私達は TensorFlow の次のメジャー・バージョン上の作業を始めました。TensorFlow 2.0 は重要なマイルストーンで、使い勝手の良さにフォーカスしています。ここにユーザが TensorFlow 2.0 で期待できる幾つかのハイライトがあります :

  • Eager execution は 2.0 の中心的な特徴です。それはプログラミングモデルを TensorFlow の実践でより良くすることについてのユーザの期待を調整し、TensorFlow を学習して適用することをより容易にするはずです。
  • より多くのプラットフォームと言語のサポート、そして交換フォーマットと API の調整上の標準化を通したこれらのコンポーネント間の改善された互換性と等価性のサポート。
  • deprecated API を除去して重複の総計を減らします、これらはユーザを混乱させてきました。

2.0 と関連する公開デザインの相談についてのより詳細は、完全なアナウンスメント を見てください。

 

ロードマップ

以下の特徴は具体的なリリース日は持ちません。けれども、次の一つから2つのリリースで大部分は期待されます。

API

高位 API

  • 同じデータパイプライン、API、そしてシリアライゼーション・フォーマット (Saved Model) を利用するための Keras, Eager, そして Estimator のより強力な統合。
  • (TimeSeries, RNN, TensorForest, 追加のブースティング木機能のような) 一般に使用される ML モデルのための準備された Estimator と TensorFlow Core における関連する機能 (存在するのであれば contrib からのマイグレーション)。

 

Eager execution

  • マルチ GPU とマルチ TPU コアを利用するために DistributionStrategy を使用する。
  • 分散トレーニング・サポート (マルチマシン)。
  • パフォーマンス改良。
  • GraphDef/SavedModel へのより単純なエクスポート。

 

参照モデル

  • 画像認識、オブジェクト検出、音声、翻訳、リコメンデーション、そして強化学習に渡る モデル のセットの構築、それらはベストプラクティスを示して高パフォーマンスモデル開発の開始点として役立ちます。
  • 高パフォーマンスな Cloud TPU 参照モデル の増大するセット。

 

Contrib

  • tf.contrib の外部で好ましい実装が存在する tf.contrib の一部を deprecate する。
  • 可能な限り、tf.contrib 内の巨大なプロジェクトは分離したレポジトリに移動する。
  • tf.contrib モジュールは TensorFlow 2.0 ではその現在の形式では継続されません。将来的には実験的な開発は他のレポジトリで発生します。

 

プラットフォーム

TensorFlow Lite

  • Tensorflow Lite のサポートされる ops の範囲を増大する。
  • TensorFlow Lite 上の使用のための訓練された TensorFlow グラフのより簡単な変換。
  • モバイル・モデル最適化のためのツール。
  • Edge TPU, TPU AIY ボードのためのサポートを拡張する。
  • より良いドキュメントとチュートリアル。

 

TensorFlow.js

  • ブラウザにおける TensorFlow.js のパフォーマンスを改良する ; 利用可能なとき、コンピュートシェーダーや WedGPU を使用するプロトタイプを実装する ; 利用可能なとき、CPU パフォーマンスを改良し、SIMD+ Web Assembly サポートを実装する。
  • 音声とテキストベースのモデルにフォーカスした、TensorFlow SavedModel と Keras モデルをインポートするためのサポートを拡大する。
  • 効率的なデータ入力パイプラインのための新しい tfjs-data API と、ブラウザ訓練の間の対話的なモデル可視化のための新しい tfjs-vis ライブラリのリリース。
  • Node を使用するサーバサイド TensorFlow.js のために – 総ての TensorFlow ops を晒すことによってネイティブ TensorFlow ops とモデルと同等に改良する ; libuv を使用して async モードのサポートを追加する。

 

TensorFlow with Swift

(訳注: 省略、原文 参照)

 

パフォーマンス

分散 TensorFlow

  • TPU とマルチノード GPU 上で Keras をサポートするために新しい分散ストラテジー API を拡大します。
  • 素晴らしい革新的なパフォーマンスと簡単な配備を示します。

 

GPU 最適化

  • 公開デザイン・レビューで mixed precision API を単純化します。
  • TensorRT API をファイナライズしてコアに移動します。
  • SavedModel と TF Serving のための TensorRT サポート。
  • CUDA 10 統合 (CUDA 9.2 はスキップすることを計画しています、何故ならば cuDNN の同じバージョンを使用するときそれは CUDA 9.0 に対して最小限のアドバンテージしか持たないからです)。
  • DGX-2 のための最適化。

 

Cloud TPUs と Cloud TPU Pods

  • Cloud TPU 上の Keras のためのサポートを拡大してパフォーマンスを更に最適化します。
  • 画像セグメンテーションのためのサポートを拡張します – Mask R-CNN を現在の RetinaNetDeepLab セマンティック・セグメンテーション参照モデルに追加します。
  • 新しい Cloud TPU 統合: GKE, CMLE, Cloud Bigtable, gRPC データ入力を最適化します。
  • Cloud TPU Pod 上で巨大スケール・モデル並列を有効にします。
  • Cloud TPU v3 上の参照モデル・パフォーマンスを最適化します。

 

CPU 最適化

  • MKL を通した SkyLake のための Int8 サポート。
  • MKL を通したより高速な 3D ops。
  • SIMD-最適化カーネルの動的ローディング。
  • Linux と Windows のための MKL。

 

他のパッケージ

TensorFlow Probability

  • ガウス過程の追加的な実装、ハイパーパラメータ最適化へのアプリケーションも含みます。
  • ベイジアン構造時系列モデル。
  • サンプリングと最適化メソッドへの拡張。
  • TFP を使用するための Colab チュートリアルの充実したセット。

 

Tensor2Tensor ライブラリ

  • オートエンコーダ、GAN そして RL のためのサポートとともに、動画、音声、そして音楽のための新しいデータセットとモデル。
  • 総てのプラットフォームのためのサポートを改良して TensorFlow 2.0 ベストプラクティスを使用して内部を単純化します。
  • Mesh TensorFlow によるモデル並列性で大規模なモデルを訓練します。

 

End-to-end ML システム

TensorFlow Hub

  • TF Eager 統合、Keras 層統合と TensorFlow.js 統合を伴う TF-Hub モジュールのためのサポート、そして TF-Transform と TF-Data ワークフローのためのサポートを拡大します。

 

TensorFlow Extended

  • プロダクション設定での TensorFlow の採用を促進するために更なる TensorFlow Extended プラットフォームをオープンソース化します。
  • モデル評価と検証のためのパッケージ TF Model Analysis。
  • データ検証のためのリリース TFX ライブラリ。
  • end-to-end ML ワークフロー・サンプルの公開。

 

コミュニティとパートナー・エンゲージメント

(訳注: 省略、原文 参照)

 

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