谷歌發佈 TensorFlow 1.6.0，針對 CUDA 9.0 和 cuDNN 7 預構建二進制文件
日前，谷歌發佈 TensorFlow 1.6.0 正式版，帶來了多項更新和優化，我們將谷歌官方介紹編譯如下：
重大改進：
- 針對 CUDA 9.0 和 cuDNN 7 預構建二進制文件；
- 預構建的二進制文件將使用 AVX 指令，這可能會破環較老的 CPU 上的 TF。
主要的特徵和改進
- 針對非插槽變量的新優化器內部 API；
- 現在 tf.estimator.{FinalExporter,LatestExporter} 可以導出剝離的 SavedModels，這增加了 SavedModels 的前向兼容性；
- FFT 支持添加到 XLA CPU / GPU；
- Android TF 現在可以在兼容的 Tegra 設備上使用 CUDA 加速來構建（更多信息，請參閱 contrib / makefile / README.md）。
Bug 修復和其他改進：
文件更新：
- 增加了 Getting Started 的第二個版本，主要針對機器學習新手；
- 闡明瞭 resize_images.align_corners 參數文檔；
- 增加了 TPU 文檔。
谷歌雲存儲（GCS）
- 增加了客戶端節流；
- 在 FileSystem 接口上增加了 FlushCaches() 方法，用於 GscFileSystem 實現。
其他：
- 增加了 tf.contrib.distributions.Kumaraswamy；
- RetryingFileSystem::FlushCaches() 可調用基礎 FileSystem 的FlushCahes()；
- 將 auto_correlation 添加到了 distribution；
- 增加了 tf.contrib.distributions.Autoregressive；
- 增加了 SeparableConv1D layer；
- 增加了卷積 Flipout layer；
- 當 tf.matmul 的兩輸入都是 bfloat16 時，它將返回 bfloat16，而不是 float32；
- 增加了 tf.contrib.image.connected_components；
- 增加了可讓原子變量訪問的 tf.contrib.framework.CriticalSection；
- 分類任務的樹預測上輸出變化；
- 對於 pt 和 eval 指令，可允許張量值以 numpy 文件寫入 filesystem；
- gRPC：傳播截斷的錯誤（而不是返回 gRPC 內部的錯誤）；
- 增加 parallel_interleave 來支持兩種預取；
- 改進了 XLA 對 C64-related ops log, pow, atan2, tanh 的支持；
- 增加了概率卷積層。
API 改變
- 將 prepare_variance 布爾值默認設置爲 false，方便後向兼容；
- 將 layers_dense_variational_impl.py 移至 layers_dense_variational.py。
詳細的更新信息請查看 TensorFlow 的 Github 頁面：
文章來源：雷鋒網
留言
張貼留言