TensorFlow 2.8.0が正式にリリースされ、多くのバグが修正され、50以上の脆弱性パッチがリリースされました

最近、TensorFlow は公式バージョン 2.8.0 をリリースしました。バージョン 2.7 の最後のアップデートからそれほど時間が経っていません。新しいバージョンでは、より多くのバグ修正と機能改善が提供されています。さらに、新しいバージョンでは脆弱性に対するパッチもリリースされています。

TensorFlow 2.8.0のリリースに関して、ネットユーザーからは今回のバグ修正も素晴らしいとの声も上がっています。

しかし、一部のネットユーザーはすでにTensorFlow 3.0の登場を心待ちにしており、TensorFlow 1からTensorFlow 2への飛躍は大きな飛躍だと言っています。今後、2から3にかけてどのような優れたパフォーマンスが見られるのでしょうか？

ご存知のとおり、TensorFlow は Google によって開発されました。その最初のバージョンは、2015 年のオープンソースの TensorFlow0.1 にまで遡ります。それ以来、着実に発展し、強力なユーザーベースを持ち、最も人気のあるディープラーニング フレームワークになりました。しかし、使用してみると、API の安定性が不十分であったり、静的計算グラフ プログラミングが複雑であったりするなど、TensorFlow の欠点も明らかになりました。そのため、TensorFlow 2.0 バージョンでは、Google は Keras を組み込んで tf.keras になりました。現在、TensorFlow はバージョン 2.8 にアップデートされています。では、新しいバージョンでの重要な改善点は何でしょうか?

TensorFlow 2.8.0 の主な機能と改善点

tf.lite では、次の機能をサポートするために TFLite 組み込みオペレーションが追加されています。

• tf.raw_ops.Bucketize op は CPU 上で操作できます。
• tf.where op は、データ型 tf.int32、tf.uint32、tf.int8、tf.uint8、tf.int64 に使用できます。
• tf.random.normal op は、CPU 上でデータ型 tf.float32 を出力するために使用されます。
• tf.random.uniform op は、CPU 上でデータ型 tf.float32 を出力するために使用されます。
• f.random.categorical オペレーションは、CPU 上でデータ型 tf.int64 を出力するために使用されます。

tensorflow.experimental.tensorrt:

• Conversion_params は TrtGraphConverterV2 では非推奨となり、現在はパラメーター max_workspace_size_bytes、precision_mode、minimum_segment_size、maximum_cached_engines、use_calibration、allow_build_at_runtime をサポートしています。
• TrtGraphConverterV2 の .save() 関数に save_gpu_specific_engines という新しいパラメータが追加されました。 False の場合、.save() 関数はビルドされた TRT エンジンを保存しません。True (デフォルト) の場合、元の動作が保持されます。
• TrtGraphConverterV2 は、.summary() と呼ばれる新しい API を提供します。各 TRTEngineOp の形状と dtype およびその入力と出力を表示し、詳細なバージョンの概要を提供します。

tf.tpu.実験的埋め込み:

• tf.tpu.experimental.embedding.FeatureConfig は、機能出力アクティベーションの形状を指定できる追加のパラメータ output_shape を追加します。
• tf.tpu.experimental.embedding.TPUEmbedding は、任意のランクの密テンソルと疎テンソルで動作できる tf.tpu.experimental.embedding.serving_embedding_lookup と同じ機能を持つようになりました。不規則テンソルの場合、入力テンソルは依然としてランク 2 ですが、機能構成またはビルド メソッドで出力形状を指定することにより、ランク 2 以上をアクティブ化できるようになりました。

tf.config.experimental.enable_op_determinism を追加しました。これにより、パフォーマンスを犠牲にして TensorFlow オペレーションを確定的に実行できるようになります。 TF_DETERMINISTIC_OPS 環境変数を置き換えます。

(TF 2.7 以降) TensorFlow Profiler に PluggableDevice サポートを追加します。

バグ修正とその他の改善

tf.データ:

• 最適化 parallel_batch は、ユーザーが無効にしない限りデフォルトになり、バッチ要素を並列にコピーできるようになりました。
• ファイル入力を認識して処理するための TensorSliceDataset を追加しました。

tf.lite:

• Java API のシリアル化に対する GPU デリゲートのサポートが追加されました。これにより、OpenCL が使用可能な場合に初期化時間が 90% 短縮されます。
• Interpreter::SetNumThreads を非推奨にし、代わりに InterpreterBuilder::SetNumThreads を使用してください。

tf.keras

• tf.random.Generator は、keras の初期化とすべての RNG コードに使用されます。
• TextVectorization は追加の標準化モードと分割モードを追加します: standardize="lower" は入力を小文字に変換します; standardize="string_punctuation" はすべての句読点を削除します; Split="character" は各 Unicode 文字を分割します。

GPU実装を追加します。

• (バージョン 2.7 以降) tf.math.segment_mean
• (バージョン 2.7 以降) tf.math.segment_prod
• (バージョン 2.7 以降) tf.math.segment_sum

TensorFlow は、GPU と CPU の両方で Windows Subsystem for Linux 2 (別名 WSL 2) で検証されています。

さらに、TensorFlow 2.8.0 では、畳み込み演算を実行するときに浮動小数点数が 0 で除算される問題の修正 (CVE-2022-21725)、Dequantize シェイプ推論における整数オーバーフロー問題の修正 (CVE-2022-21727)、ConcatV2 シェイプ推論における型混乱問題の修正 (CVE-2022-21731) など、いくつかのセキュリティ修正が行われました。

詳細については、https://github.com/tensorflow/tensorflow/releases/tag/v2.8.0?linkId=8031153 を参照してください。