Suche
TensorFlow 1.9 mit vielen neuen Features veröffentlicht

TensorFlow 1.9 veröffentlicht: GRU- und LSTM-Implementierung mit cuDNN

Ann-Cathrin Klose

© Shutterstock / sdecoret

Mit TensorFlow 1.9 wurden wieder einige neue Features für die Deep-Learning-Bibliothek veröffentlicht. Dazu gehörten beispielsweise Neuerungen beim Laden von Daten und für die Textverarbeitung.

Bugfixes, Breaking Changes und neue Features: TensorFlow 1.9 ist kein kleines Release mit wenigen Neuerungen, sondern eine ausgewachsene neue Version für die Deep-Learning-Bibliothek. Wie den Release Notes auf GitHub zu entnehmen ist, können zwei Neuerungen unmittelbar zu Problemen mit vorhandenen Implementierungen führen: Wer Variablen mit leerem Scope öffnen möchte, muss nun variable_scope(tf.get_variable_scope(), ...) verwenden, nicht mehr variable_scope('', ...). Header für das Erstellen von Custom Ops finden sich nun außerdem in an folgendem Speicherort: site-packages/tensorflow/include/external. Vorher waren sie unter site-packages/external zu finden.

TensorFlow 1.9: Deprecations & neue cuDNN-Layer

Das sind die einzigen explizit als Breaking Changes benannten Neuerungen. Betrachtet man aber die Liste der weiteren Änderungen an TensorFlow 1.9, finden sich auch dort einige Hinweise auf Neuigkeiten, die bestehende Projekte betreffen. So wurde tfe.Network deprecated; eine Inheritance muss nun von tf.keras.Model erfolgen.

Was ist sonst noch neu? Die Release Notes auf GitHub benennen eine Reihe wichtiger neuer Features und Verbesserungen als Highlights des Release. Dazu gehört, dass tf.keras auf das Keras API v2.1.6 aktualisiert wurde. Neu sind außerdem die Implementierung von GRU und LSTM auf Basis von cuDNN. cuDNN gilt als besonders schnelle Neural-Network-Library und kann nur auf GPUs ausgeführt werden. Für die beiden neuen cuDNN-Layer steht ein Trainingsdatensatz zum Testen zur Verfügung.

Neue Docs für Keras mit TensorFlow 1.9

Das Python-Interface für den TFLite Optimizing Converter wurde außerdem erweitert und umfasst nun wieder standardmäßig das CLI. Für das Laden von Daten und die Sprachverarbeitung bringt TensorFlow 1.9 drei neue Optionen mit: tf.decode_compressed, tf.string_strip, tf.strings.regex_full_match. Außerdem sind ein experimenteller Support für vorgefertigte Estimators dabei, sowie eine Erweiterung für das distributions.Bijector-API, das nun Broadcasting für Bijectors unterstützt. Zu den Highlights im Release gehören laut Release Notes daneben das Update der Docs für tf-keras und der neue Support für Core Feature Columns und Loss-Operationen an Gradient Boosted Tree Estimators.

Einen Überblick über alle Neuerungen, Breaking Changes und Bugfixes in TensorFlow 1.9 geben die Release Notes auf GitHub.

Geschrieben von
Ann-Cathrin Klose
Ann-Cathrin Klose
Ann-Cathrin Klose hat allgemeine Sprachwissenschaft, Geschichte und Philosophie an der Johannes Gutenberg-Universität Mainz studiert. Bereits seit Februar 2015 arbeitete sie als redaktionelle Assistentin bei Software & Support Media und ist seit Oktober 2017 Redakteurin. Zuvor war sie als freie Autorin tätig, ihre ersten redaktionellen Erfahrungen hat sie bei einer Tageszeitung gesammelt.
Kommentare

Hinterlasse einen Kommentar

Hinterlasse den ersten Kommentar!

avatar
400
  Subscribe  
Benachrichtige mich zu: