ホーム » TensorFlow 2.0 » TensorFlow 2.3.0 リリースノート

TensorFlow 2.3.0 リリースノート

TensorFlow 2.3.0 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 : 07/28/2020

* 本ページは、github TensorFlow の releases の TensorFlow 2.3.0 を翻訳したものです:

 

Release 2.3.0

 

主要な特徴と改良

加えて TF Profiler で入力パイプライン・パフォーマンスを分析するための詳細な ガイド も調べてください。

  • tf.distribute.TPUStrategy は今ではステーブル API でもはや TensorFlow のための試験的とは考えられません。 (前の tf.distribute.experimental.TPUStrategy)
  • TF Profiler は 2 つの新しいツールを導入します : 時間に渡りモデルのメモリ使用を可視化するメモリ・プロファイラーとモデルの python 関数呼び出しをトレースすることを可能にする python トレーサー です。ユーザビリティ改良はより良い診断メッセージと、ホストとデバイスのトレース verbosity (多弁性) レベルをカスタマイズする profile オプション を含みます。
  • composite (合成) tensor 入力のサポートとともに、データ前処理演算を扱う Keras Preprocessing Layers API (tf.keras.layers.experimental.preprocessing.*) のための試験的サポートを導入します。
  • TFLite は今では変換と推論の間の動的 shape を正しくサポートします。CPU カーネルの高度に最適化されたセット、XNNPACK のための Android と iOS 上の opt-in サポート、そして GPU 上で量子化モデルを実行する ための opt-in サポートを追加しました。
  • Libtensorflow パッケージがこのリリースから GCS で利用可能です。これらのパッケージの nightly バージョンのリリース も開始しました。
  • 試験的 Python API tf.debugging.experimental.enable_dump_debug_info() は今では TensorFlow プログラムを計測して (= instrument) ファイルシステム上のディレクトリにデバッグ情報をダンプすることを可能にします。ディレクトリは Debugger V2 と呼ばれる TensorBoard 2.3 の新しい対話的ダッシュボードにより読まれて可視化できます、これはグラフ構造、Python (eager) の op 実行の履歴と intra-graph レベル、tensor の実行時 dtype, shape と数値構成、そしてコード位置を含む TensorFlow プログラムの詳細を明らかにします。

 

互換性を損なう変更

  • TF をビルドするために必要な最小 bazel バージョンを 3.1.0 に増やします。
  • tf.data
    • tf.data に以下の (breaking) 変更を行ないます。
    • C++ API: – IteratorBase::RestoreInternal, IteratorBase::SaveInternal, and DatasetBase::CheckExternalState は純粋仮想となりそして今ではサブクラスが実装を提供することが想定されます。
    • deprecated DatasetBase::IsStateful メソッドは DatasetBase::CheckExternalState のために除去されます。
    • DatasetBase::MakeIterator と MakeIteratorFromInputElement の deprecated オーバーライドは除去されます。
    • tensorflow::data::IteratorBase::SaveInternal と tensorflow::data::IteratorBase::SaveInput のシグネチャは iterator チェックポイントの間の外部状態の処理のためのデフォルトポリシーをオーバーライドすることを可能にするため SerializationContext 引数で拡張されました。これは後方互換変更ではなくそして IteratorBase の総てのサブクラスはそれに従って更新される必要があります。
  • tf.keras
    • 分散訓練失敗 & 再開始を扱うために新しい BackupAndRestore コールバックを追加します。コールバックをどのように利用するかの詳細はこの チュートリアル を見てください。
  • tf.image.extract_glimpse は centered=False と normalized=False であるケースを正しく処理するために更新されました。これは breaking 変更です、出力が (間違った) 以前のバージョンと異なるからです。この breaking 変更は tf.image.extract_glimpse と tf.compat.v2.image.extract_glimpse API エンドポイントにだけ影響することに注意してください。tf.compat.v1.image.extract_glimpse の動作は変化しません。既存の C++ カーネル ExtractGlimpse の動作もまた変化しませんので、tf.raw_ops.ExtractGlimpse を使用したセーブされたモデルは影響されません。

 

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