ホーム » TensorFlow 2.0 » TensorFlow 2.6.0 リリースノート

TensorFlow 2.6.0 リリースノート

TensorFlow 2.6.0 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 : 08/12/2021

* 本ページは、github TensorFlow の releases の TensorFlow 2.6.0 の Major Features and Improvements 他のセクションを翻訳したものです:

 

クラスキャット 人工知能 研究開発支援サービス 無料 Web セミナー開催中

◆ クラスキャットは人工知能・テレワークに関する各種サービスを提供しております。お気軽にご相談ください :

◆ 人工知能とビジネスをテーマに WEB セミナーを定期的に開催しています。スケジュール
  • お住まいの地域に関係なく Web ブラウザからご参加頂けます。事前登録 が必要ですのでご注意ください。
  • ウェビナー運用には弊社製品「ClassCat® Webinar」を利用しています。

お問合せ : 本件に関するお問い合わせ先は下記までお願いいたします。

株式会社クラスキャット セールス・マーケティング本部 セールス・インフォメーション
E-Mail:sales-info@classcat.com  ;  WebSite: https://www.classcat.com/  ;  Facebook

 

 

Release 2.6.0

 

互換性を損なう変更

  • tf.train.experimental.enable_mixed_precision_graph_rewrite は削除されます、API はグラフモードのみで動作してカスタマイズ可能ではないからです。この関数は引き続き tf.compat.v1.mixed_precision.enable_mixed_precision_graph_rewrite 下でアクセス可能ですが、代わりに Keras 混合精度 API を使用することが推奨されます。

  • tf.lite:
    • experimental.nn.dynamic_rnn, experimental.nn.TfLiteRNNCell と experimental.nn.TfLiteLSTMCell を削除します、これらはもはやサポートされないからです。代わりに単に keras lstm を使用することが勧められます。

  • tf.keras:
    • Keras は個別の PIP パッケージ (keras) に分割されて、そのコードは GitHub レポジトリ keras-team/keras に移動されました。tf.keras のための API エンドポイントは変更されないままですが、今では keras PIP パッケージにより支援されます。tensorflow/python/keras の既存のコードは古いコピーで将来的なリリース (2.7) では削除されます。tensorflow.python.keras への任意のインポートは削除して代わりにそれらを public tf.keras API で置き換えてください。
    • メソッド Model.to_yaml() と keras.models.model_from_yaml は任意のコード実行を引き起こすように悪用できるので、RuntimeError を上げるように置き換えられました。YAML の代わりに JSON シリアリゼーションを使用するか、より良い代替 H5 にシリアライズすることを勧めます。

 

主要な特徴と改良

  • tf.keras:
    • Keras は個別の PIP パッケージ (keras) に分割されて、そのコードは GitHub レポジトリ keras-team/keras に移動されました。tf.keras のための API エンドポイントは変更されないままですが、今では keras PIP パッケージにより支援されます。総ての Keras-関連の PR と issues は今では GitHub レポジトリ keras-team/keras に向けられるべきです。
    • tf.keras.utils.experimental.DatasetCreator は分散で使用されるとき特定のオプションのためのオプション tf.distribute.InputOptions を今では取ります。
    • 評価器タスクで実行されることを目的とするプログラムのために tf.keras.experimental.SidecarEvaluator が今では利用可能です、これは tf.distribute.experimental.ParameterServerStrategy で動作する訓練クラスタを補完するために一般に使用されます (https://www.tensorflow.org/tutorials/distribute/parameter_server_training 参照)。それはまた単一ワーカー訓練や他のストラテジーでも使用できます。より詳細については docstring 参照。
    • 前処理層は experimental から core に移動しました。
      • import パスは tf.keras.layers.preprocessing.experimental から tf.keras.layers に移動しました。
    • 一貫性と明確さのための前処理層 API へのアップデート :
      • mask_token の StringLookup と IntegerLookup デフォルトが None に変更されました。これは Hashing と Embedding 層のデフォルトのマスキング動作に一致します。既存の動作を維持するには、層作成中に mask_token=”” を渡します。
      • CategoryEncoding, StringLookup, IntegerLookup と TextVectorization のための “binary” 出力モードを “multi_hot” に名前変更しました。multi-hot エンコーディングはもはや自動的には rank 1 入力を uprank しませんので、これらの層はバッチ処理されていない多次元サンプルを今では multi-hot エンコードできます。
      • CategoryEncoding, StringLookup, IntegerLookup のために新しい出力モード “one_hot” を追加しました、これは入力バッチの各要素を個別にエンコードして、必要に応じて新しい出力次元を自動的に追加します。スカラーのバッチを one-hot エンコードする古い “binary” 動作のために rank 1 入力でこのモードを使用します。
      • 正規化はもはや rank 1 入力を自動的には uprank しません、バッチ処理されていない多次元サンプルの正規化を可能にします。


  • tf.lite:
    • Tensorflow Lite をビルドするための推奨 Android NDK バージョンは r18b から r19c に変更されました。
    • mul のために int64 をサポートします。
    • ネイティブの variable な組込み ops – ReadVariable, AssignVariable をサポートします。
    • Converter :
      • TFLite の変数の実験的なサポート。変換を通して有効にするには、ユーザは tf.lite.TFLiteConverter の experimental_enable_resource_variables を True に設定する必要があります。
        Note : ミュータブルな変数はこのリリースでは from_saved_model を使用してのみ利用可能です。他のメソッドのサポートは間もなくです。

      • 古い Converter (TOCO) は次のリリースから削除されます。それは幾つかのリリースで既に deprecated となっています。


  • tf.saved_model:
    • SavedModels は今ではカスタム勾配をセーブできます。この機能を有効にするにはオプション tf.saved_model.SaveOption(experimental_custom_gradients=True) を使用してください。Advanced autodiff のドキュメントはアップデートされました。
    • オブジェクト metadata は今では deprecated で SavedModel にもはやセーブされません。


  • TF Core:
    • tf.config.experimental.get_memory_info により返される追跡された peak メモリをリセットするために tf.config.experimental.reset_memory_stats を追加しました。


  • tf.data:
    • data_service_ops.from_dataset_id と data_service_ops.distribute に target_workers param を追加しました。ユーザは “AUTO”, “ANY” または “LOCAL” (case insensitive) を指定できます。”AUTO” の場合、tf.data サービスランタイムがどのワーカーから読む取るかを決定します。”ANY” の場合、TF ワーカーは任意の tf.data サービスワーカーから読み取ります。”LOCAL” の場合、TF ワーカーはローカル in-processs tf.data サービスワーカーだけから読み取ります。”AUTO” は殆どの場合に上手く動作しますが、その一方でユーザは他のターゲットも指定できます。例えば、”LOCAL” は 、総ての TF ワーカーが tf.data サービスワーカーと同じ場所に配置される場合、RPC とデータコピーを回避する役に立ちます。現在、”AUTO” は既存の動作を保持するために任意の tf.data サービスワーカーから読み取ります。デフォルト値は “AUTO” です。

 
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