TensorFlow 2.0.0-rc0 リリースノート

Posted on by Sales Information

TensorFlow 2.0.0-rc0 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
作成日時 : 08/24/2019

* 本ページは、github TensorFlow の releases の TensorFlow 2.0.0-rc0 を翻訳したものです：

 

主要な特徴と改良

TensorFlow 2.0 は単純性と使いやすさにフォーカスして、次のようなアップデートを特徴としています :

  • Keras と eager execution による容易なモデル構築。
  • どのようなプラットフォームにおいても製品レベルの堅牢なモデル配備
  • 研究のためのパワフルな実験。
  • 重複を減じて deprecated エンドポイントを除去して API 単純化。

2.0 によるベストプラクティスの詳細については、Effective 2.0 ガイド を見てください。

貴方の既存の TensorFlow 1.x モデルをアップグレードするための情報については、アップグレード と マイグレーション ガイドを参照してください。チュートリアルと getting started ガイド のコレクションもまたリリースしました。

 

ハイライト

  • TF 2.0 は Keras をモデルを構築して訓練するために使用される中心的な高位 API として届けます。Keras は素早い iteration と直感的なデバッグのための eager execution とスケーラブルな入力パイプラインのための tf.data とともに、Sequential, Functional とサブクラス化のような幾つかのモデル構築 API を提供します。追加の詳細のために ガイド をチェックしてください。
  • 分散ストラテジー : TF 2.0 ユーザは最小限のコード変更で訓練を分散するために tf.distribute.Strategy API を使用することができるでしょう、これは常識を超える良いパフォーマンスをもたらします。それはカスタム訓練ループに加えて Keras model.fit による分散訓練をサポートします。マルチワーカーとクラウド TPU のための実験的サポートとともにマルチ GPU サポートが利用可能です。より多くの詳細のために ガイド を確認してください。
  • Functions, not Sessions. グラフを構築して tf.Session を通してそれを実行する伝統的な宣言的プログラミングモデルはやめて (= discouraged)、通常の Python 関数を書くことにより置き換えます。tf.function デコレータを使用すれば、そのような関数はグラフに変更できます、これはリモートに、シリアライズされそしてパフォーマンスのために最適化されて実行可能です。
  • tf.train.Optimizers と tf.keras.Optimizers の統一。TF 2.0 のためには tf.keras.Optimizers を使用します。compute_gradients は public API として除去され、そして勾配を計算するためには GradientTape を使用します。
  • AutoGraph は Python 制御フローを TensorFlow 式に翻訳し、ユーザに tf.function-decorated 関数内に通常の Python を書くことを可能にします。AutoGraph はまた tf.data, tf.distribute と tf.keras API と共に使用される関数でも適用されます。
  • SavedModel への交換 (= exchange) フォーマットの統一。総ての TensorFlow エコシステム・プロジェクト (TensorFlow Lite, TensorFlow JS, TensorFlow Serving, TensorFlow Hub) は SavedModel を受け取ります。モデル状態は SavedModel にセーブされて (SavedModel から) レストアされるべきです。
  • API 変更: 多くの API シンボルは名前変更されるか除去され、そして引数名は変更されました。これらの変更の多くは首尾一貫性と明瞭さにより動機づけられています。1.x API は compat.v1 モジュールで利用可能であり続けます。総てのシンボル変更のリストは ここ で見つかります。
  • API クリーンアップ、absl-py のために tf.app, tf.flags と tf.logging の除去を含みます。
  • tf.global_variables_initializer と tf.get_global_step のようなヘルパー・メソッドによるグローバル変数はもはやありません。

 

互換性を損なう変更

  • API をクリーンアップしてそれらをより一貫性があるようにするために多くの後方非互換な API 変更が行われました。
  • tf.contrib は deprecated となりました、そして機能はコア TensorFlow API か、tensorflow/addons や tensorflow/io のようなエコシステム・プロジェクトにマイグレートされたか、あるいは完全に除去されました。
  • tf.estimator.DNN/Linear/DNNLinearCombined の premade estimator は tf.compat.v1.train.Optimizers の代わりに tf.keras.optimizers を使用するように更新されました。optimizer= arg を渡さないか文字列を使用する場合、premade estimator は Keras optimizer を使用します。これはチェックポイント breaking です、何故ならば optimizers は別の変数を持つからです。optimizers を変換するためのチェックポイント converter ツールはリリースに含まれていますが、どのような変更も回避することを望む場合には、estimator の v1 バージョン: tf.compat.v1.estimator.DNN/Linear/DNNLinearCombined* に切り替えてください。
  • Tensors & Variables 上の等値演算は今では id() の代わりに値の上で比較します。結果として、Tensors & Variables の両者はもはやハッシュ可能な型ではありません。
  • Layer は今では float32 がデフォルトで、それらの入力を自動的に Layer の dtype にキャストします。float64 を使用したモデルを持った場合、それは多分 TensorFlow 2 では静かに float32 を使用します、そして “Layer is casting an input tensor from dtype float64 to the layer’s dtype of float32” で始まる警告が発行されます。修正するには、tf.keras.backend.set_floatx(‘float64′) でデフォルト dtype を float64 に設定するか、Layer コンストラクタの各々に dtype=’float64’ を渡します。より多くの情報は tf.keras.layers.Layer を見てください。

最近の issues と開発進捗への洞察のためには Github 上の public プロジェクト・ステータス・トラッカー と 2.0 でタグ付けされた issues を参照してください。

TF 2.0 を使用する時にどのような引っ掛かり (障害) を経験しても、TF 2.0 Testing User Group で知らせてください。私達は毎週のテスティング・ミーティングに加えてサポート・メーリングリストを持ちます、そして貴方のマイグレーション・フィードバックと質問を聞くことを強く望みます。

 

バグ修正とその他の変更

(訳注 : 省略します、必要であれば 原文を参照してください。)

 
以上