TensorFlow 1.8.0正式发布,Bug修复和改进内容都在这里了

【导语】TensorFlow 1.8.0 近日正式发布,新版本主要有以下改进内容,AI科技大本营对其编译如下。

▌主要特点及改进

  • 可以将 tf.contrib.distribute.MirroredStrategy() 传递给 tf.estimator.RunConfig() ,能够在一台有多个 GPU 的机器上运行评估器 (Estimator) 模型。
  • 添加 tf.contrib.data.prefetch_to_device() ,支持预取 GPU 内存。
  • 添加梯度提升树作为预先制作的评估器(Estimator):BoostedTreesClassifier,BoostedTreesRegressor。
  • 为云端 TPU 添加第三代管道配置,提高其性能和可用性。
  • tf.contrib.bayesflow 转向自己的 repo。
  • 添加了 tf.contrib.{proto,rpc} ,允许通用的原型解析和 RPC 通信。

▌Bug 修复和其他修改

tf.data:

  • 添加 tf.contrib.data.prefetch_to_device ,可以将数据集元素预取到 GPU 内存。
  • 添加 tf.contrib.data.AUTOTUNE ,在 tf.data 运行时,根据系统和环境自动调整预取缓冲区大小。
  • 添加 tf.contrib.data.make_csv_dataset ,构建 CSV 文件数据集。

Eager Execution:

  • Eager Execution 数据集可以作为标准的 Python 迭代器使用(for batch in dataset:)。当 Eager Execution 启动时,可以使用 Dataset ._iter _() 和 Dataset.make_one_shot_iterator() 创建迭代器。
  • 已启用自动装置配置(即如果 GPU 是自动接入的,则不需要使用 tf.device(“/gpu:0”))(修复 #14133)
  • 已经将 contrib 的 tf.GradientTape 移出。

tf.keras:

  • 添加了 fashion mnist 数据集。
  • 新的数据预处理功能:image/random_brightness,sequence/TimeseriesGenerator 和 text/hashing_trick。

加速线性代数 (XLA):

  • 选择并分散参考实用程序和评估程序,使用字典顺序来打破关系。

TensorFlow Debugger (tfdbg) CLI:

  • 在 tensor-filter 操作中,允许使用正则表达式排除节点。
  • 修复某些文本终端的虚假背景色。

tf.contrib:

  • 添加重构批量维度的元分发 BatchReshape 。
  • tf.contrib.layers.recompute_grad 用于 TPU 上的显式梯度检查点。
  • 添 加 tf.contrib.framework.argsort 。
  • 允许 DNNBoostedTreeCombinedEstimator 处理特征列和损失的核心版本。
  • 添加非线性图像变形操作: tf.contrib.image.sparse_image_warp,tf.contrib.image.dense_image_warp 和 tf.contrib.image.interpolate_spline 。
  • 修复 tensor 类型不匹配的 tf.contrib.opt.MultitaskOptimizerWrapper 中的错误。

▌Other

  • 低级图形构造现在被称为 TensorFlow C API 。对于大多数用户而言,这种更改不可见,但在这个版本中可以设置环境变量 TF_C_API_GRAPH_CONSTRUCTION = 0 来禁用此更改。未来的版本将删除禁用此更改的功能。
  • 在 tf.distributions.Distribution 中添加形状描述和指向 tutorial notebook 的指针。
  • 更新 scatter 操作:
    • 添加 tf.scatter_min 和 tf.scatter_max;
    • 扩展 scatter 操作以使用标量更新参数。
  • 仅仅将 cuDNN RNN操作移至内核,用于 TensorFlow 代码库。
  • 为 Conv2d , Conv2dBackpropInput 和 Conv2dBackpropFilter 添加 float64 支持。
  • 为 AvgPool / AvgPoolGrad 添加 float64 支持。
  • 图名称作用域线程为本地,以便在多线程环境中正常工作。
  • 更新 nsync 同步库,避免 Linux 上速度较慢的原语。
  • 在构建自定义操作时,删除了需要在 C include 路径中放置 nsync / public
  • 添加 tf.image.psnr , tf.image.ssim , tf.image.ssim_multiscale , tf.image.image_gradients , tf.image.sobel_edges
  • 将链接添加到 https://js.tensorflow.org
  • 修复正交矩阵的不均匀性。
  • 修复了多图像评估器(Estimator)评估摘要显示不正确的问题。

资源:

源代码(zip)

https://github.com/tensorflow/tensorflow/archive/v1.8.0-rc0.zip

源代码(tar.gz)

https://github.com/tensorflow/tensorflow/archive/v1.8.0-rc0.tar.gz

作者 | annarev 原文链接 https://github.com/tensorflow/tensorflow/releases/

原文发布于微信公众号 - AI科技大本营(rgznai100)

原文发表时间:2018-04-17

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏机器之心

资源 | AMD 开源高性能机器智能库MIOpen,可加速卷积神经网络

选自GitHub 机器之心编译 参与:蒋思源 AMD 最近宣布新的深度学习加速库 MIOpen 1.0 现已发布,该深度学习库支持加速卷积神经网络,并且构建和运...

37880

Ray:AI的分布式系统

随着机器学习算法和技术的进步,越来越多的机器学习应用程序需要多台机器,而且必须利用并行性。但是,在集群上进行机器学习的基础设施仍然是专门设置的。尽管针对特定用例...

528100
来自专栏云霄雨霁

计算题总结

37100
来自专栏SDNLAB

基于网络流量的SDN最短路径转发应用

网络的转发是通信的基本功能,其完成信息在网络中传递,实现有序的数据交换。通过SDN控制器的集中控制,可以轻松实现基础的转发算法有二层MAC学习转发和基于跳数的最...

498100
来自专栏机器之心

教程 | 如何使用Keras、Redis、Flask和Apache把深度学习模型部署到生产环境?

1.4K110
来自专栏王亚军的专栏

谷歌开源图片压缩算法 Guetzli 实测体验报告

谷歌大神又出开源新技术啦,这次是对JPEG格式的图片采用全新算法重新编码,输出的图片还是JPEG但是图片大小明显缩小,而质量不但没有损失,甚至还更加优化,速速来...

9.4K10
来自专栏自然语言处理

深度学习环境搭建

本文作者的专题《目标检测》链接:https://www.jianshu.com/c/fd1d6f784c1f 此专题的宗旨是让基础较为薄弱的新手能够顺利实现目标...

52410
来自专栏ATYUN订阅号

多模型机器学习功能数据库EuclidesDB全新发布

EuclidesDB,一个多模型机器学习功能数据库,发布了0.1版本。EuclidesDB 0.1与PyTorch紧密耦合,为模型特征空间中包含和查询数据提供后...

10010
来自专栏磨磨谈

预估ceph的迁移数据量

我们在进行 ceph 的 osd 的增加和减少的维护的时候,会碰到迁移数据,但是我们平时会怎么去回答关于迁移数据量的问题,一般来说,都是说很多,或者说根据环境来...

13720
来自专栏编程

厉害了,用Python一行代码实现人脸识别

摘要: 1行代码实现人脸识别,1. 首先你需要提供一个文件夹,里面是所有你希望系统认识的人的图片。其中每个人一张图片,图片以人的名字命名。2. 接下来,你需要准...

30080

扫码关注云+社区

领取腾讯云代金券