ホーム » TensorFlow » TensorFlow 1.15.0 リリースノート

TensorFlow 1.15.0 リリースノート

TensorFlow 1.15.0 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
作成日時 : 10/09/2019

* 本ページは、github TensorFlow の releases の TensorFlow 1.15.0 を翻訳したものです:

 

Release 1.15.0

これは TensorFlow のための最後の 1.x リリースです。特徴を伴う 1.x ブランチを更新する予定はありません、少なくとも 1 年間は脆弱性を修正するためのパッチリリースは発行するつもりですが。

 

主要な特徴と改良

  • アナウンス されたように、現在 GPU サポートを持つプラットフォーム (Linux と Windows) に対しては tensorflow pip パッケージはデフォルトで (今は tensorflow-gpu と同じ) GPU サポートを含みます。それは Nvidia GPU を持つあるいは持たないマシン上で動作します。tensorflow-gpu は依然として利用可能で、そして CPU-only パッケージはパッケージサイズについて心配しているユーザのために tensorflow-cpu でダウンロード可能です。
  • TensorFlow 1.15 は compat.v2 モジュールで 2.0 API の完全な実装を含みます。それは compat.v1 モジュールで (contrib なしの) 1.15 メインモジュールのコピーを含みます。TensorFlow 1.15 は enable_v2_behavior() 関数を使用して 2.0 の動作をエミュレートできます。これは前方互換コードを書くことを可能にします : tensorflow.compat.v1 か tensorflow.compat.v2 を明示的にインポートすることにより、貴方のコードが 1.15 か 2.0 のインストールに対して変更なしに動作することを保証できます。
  • EagerTensor は今では tensor のために numpy buffer インターフェイスをサポートします。
  • v2 制御フローを有効/無効にするためにトグル tf.enable_control_flow_v2() と tf.disable_control_flow_v2() を追加します。
  • tf.enable_v2_behavior() と TF2_BEHAVIOR=1 の一部として v2 制御フローを有効にします。
  • AutoGraph は Python 制御フローを TensorFlow 式に変換して、ユーザに tf.function-decorate された関数内で通常の 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 で使用される関数内にも適用されます。
  • enable_tensor_equality() を追加します、これは次のように動作を切り替えます :
    • Tensor はもはや hashable ではありません。
    • Tensor は == と != で比較可能です、element-wise な比較結果を持つ Boolean Tensor を生成します。これは 2.0 のデフォルトの動作です。
  • Auto Mixed-Precision グラフ optimizer は Volta と Turing Tensor Core 上の高速化のためにモデルを float16 に変換することを単純化します。この特徴は tf.train.experimental.enable_mixed_precision_graph_rewrite() で optimizer クラスをラップすることにより有効にできます。
  • 環境変数 TF_CUDNN_DETERMINISTIC を追加します。”true” or “1” に設定することは決定論的 cuDNN convolution と max-pooling アルゴリズムの選択を強制します。これが有効にされるとき、アルゴリズム選択手続き自身もまた決定論的です。
  • TensorRT
    • TF 2.0 のための準備で TensorRT conversion ソースを contrib から compiler ディレクトリに移行します。
    • TensorRT conversion のために追加の、ユーザ・フレンドリーな TrtGraphConverter API を追加します。
    • TensorRT conversion の TensorFlow 演算子のためのサポートを拡張します (e.g. Gather, Slice, Pack, Unpack, ArgMin, ArgMax,DepthSpaceShuffle)。
    • TensorRT conversion の TensorFlow 演算子 CombinedNonMaxSuppression をサポートします、これはオブジェクト検出モデルを本質的に高速化します。

 

互換性を損なう変更

  • Tensorflow コードは今では 2 つの異なる pip パッケージを生成します : tensorflow_core は総てのコードを含み (将来的にはそれは private 実装だけを含むでしょう) そして tensorflow は仮想 pip パッケージで tensorflow_core への forwarding を行ないます (そして将来的には tensorflow の public API だけを含むでしょう)。私たちはこれを breaking であるとは想定していません、実装から直接的にインポートしていなかった場合には。
  • TensorFlow 1.15 は Ubuntu 16 上 devtoolset7 (GCC7) を使用してビルドされています。これは TensorFlow のより早期のバージョンに対してビルドされた拡張との ABI 非互換性に繋がるかもしれません。
  • ResourceVariable で constraint= と .constraint の使用は deprecated しました。
  • tf.keras :
    • デフォルト Keras config で OMP_NUM_THREADS はもはや使用されません。スレッド数を configure するには、tf.config.threading API を使用します。
    • tf.keras.model.save_model と model.save は今では TensorFlow SavedModel をセーブすることがデフォルトです。
    • keras.backend.resize_images (そして結果的に、keras.layers.Upsampling2D) の動作は変わりました、resizing 実装のバグは修正されました。
    • 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ていた場合、それは TensorFlow 2 では多分静かに float32 を使用します、そして ‘Layer “layer-name” 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。
    • 幾つかの tf.assert_* メソッドは今では演算作成時 (i.e. この Python 行が実行されるとき) に assertion を上げます、入力 tensor の値が (session.run() の間ではなく) その時に知られる場合には。これが起きるとき、noop が返されて入力 tensor は non-feedable としてマークされます。換言すれば、それらが session.run() への feed_dict 引数でキーとして使用される場合、エラーが上げられます。また、幾つかの assert ops はそれをグラフ内に行ないませんので、グラフ構造が変わります。異なるグラフはそれらが明示的に与えられない (殆どの場合) とき異なる per-op ランダム seed という結果になる可能性があります。

 

バグ修正とその他の変更

(訳注 : 翻訳を省略します、必要であれば 原文 を参照してください。)

 
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