TensorFlow 2.8.0正式上线,修复众多Bug,发布50多个漏洞补丁

来源:机器之心

编辑:陈萍

整理:十点

TensorFlow 2.8.0 来了。

近日 TensorFlow 官方发布了 2.8.0 正式版,距离上次 2.7 版本的更新过去没多久,新版本提供了更多的 bug 修复和功能改进,此外新版本还针对漏洞发布了补丁。

TensorFlow 2.8.0正式上线,修复众多Bug,发布50多个漏洞补丁

对于 TensorFlow 2.8.0 的上线,网友也纷纷感叹,这次的 Bug 修复也太棒了!

TensorFlow 2.8.0正式上线,修复众多Bug,发布50多个漏洞补丁

不过也有网友已经迫不及待的期待 TensorFlow 3.0 的到来,并表示 TensorFlow 1 到 TensorFlow 2 是一个巨大的飞跃,将来 2 到 3 又会有哪些亮眼的表现呢?

TensorFlow 2.8.0正式上线,修复众多Bug,发布50多个漏洞补丁

众所周知,TensorFlow 由谷歌开发,最初版本可追溯到 2015 年开源的 TensorFlow0.1,之后发展稳定,拥有强大的用户群体,成为最受欢迎的深度学习框架。但是用户在使用时,也暴露了 TensorFlow 缺点,例如 API 稳定性不足、静态计算图编程复杂等缺陷。因此在 TensorFlow2.0 版本,谷歌将 Keras 纳入进来,成为 tf.keras,到目前为止,TensorFlow 已经更新到 2.8 版本,那么新版本有哪些重要的改进呢?

TensorFlow 2.8.0 主要功能和改进

在 tf.lite 中,增加了 TFLite 内置 op 支持以下功能:

  • tf.raw_ops.Bucketize op 可在 CPU 上操作;
  • tf.where op 可用于数据类型 tf.int32、tf.uint32、tf.int8、tf.uint8、tf.int64;
  • tf.random.normal op 用于在 CPU 上输出数据类型 tf.float32;
  • tf.random.uniform op 用于在 CPU 上输出数据类型 tf.float32;
  • f.random.categorical op 用于在 CPU 上的输出数据类型 tf.int64。

tensorflow.experimental.tensorrt:

  • Conversion_params 在 TrtGraphConverterV2 中被弃用,现在可以支持参数 max_workspace_size_bytes、precision_mode、minimum_segment_size、maximum_cached_engines、use_calibration 和 allow_build_at_runtime;
  • 在 TrtGraphConverterV2 中的 .save () 函数中添加了一个名为 save_gpu_specific_engines 的新参数。当为 False 时,.save () 函数不会保存任何已构建的 TRT 引擎;如果为 True(默认),则保留原始行为;
  • TrtGraphConverterV2 提供了一个名为 .summary () 的新 API。它显示了每个 TRTEngineOp 及其输入和输出的形状和 dtype,并提供了详细版本摘要。

tf.tpu.experimental.embedding:

  • tf.tpu.experimental.embedding.FeatureConfig 增加了一个额外的参数 output_shape,它可以指定特征输出激活的形状;
  • tf.tpu.experimental.embedding.TPUEmbedding 现在具有与 tf.tpu.experimental.embedding.serving_embedding_lookup 相同的功能,它可以使用任意等级密集和稀疏的张量。对于不规则张量,尽管输入张量仍然是 2 级,但现在可以通过在特征配置中指定输出形状或通过 build 方法来激活 2 级或更高级别。

添加 tf.config.experimental.enable_op_determinism ,这使得 TensorFlow ops 以性能为代价可以确定性地运行。替换 TF_DETERMINISTIC_OPS 环境变量。

(自 TF 2.7 起)向 TensorFlow Profiler 添加 PluggableDevice 支持。

Bug 修复和其他改进

tf.data:

  • 如果用户未禁用,现在优化 parallel_batch 现在成为默认值,这样可以并行复制批处理元素;
  • 添加了 TensorSliceDataset,用于识别和处理文件输入。

tf.lite:

  • 为 Java API 的序列化添加 GPU 委托支持,当 OpenCL 可用时,这将初始化时间提高了 90%;
  • 弃用 Interpreter::SetNumThreads,支持 InterpreterBuilder::SetNumThreads。

tf.keras

  • tf.random.Generator 用于 keras 初始化和所有的 RNG 代码;
  • TextVectorization 增加了额外的 standardize 和 split 模式:standardize=”lower” 转化为小写字母输入;standardize=”string_punctuation” 删除所有标点符号;Split =”character” 将对每个 unicode 字符进行拆分。

增加 GPU 实现:

  • (自 2.7 版本开始) tf.math.segment_mean
  • (自 2.7 版本开始) tf.math.segment_prod
  • (自 2.7 版本开始) tf.math.segment_sum

TensorFlow 已在适用于 GPU 和 CPU 的 Windows Subsystem for Linux 2(又名 WSL 2)上得到验证。

此外,TensorFlow 2.8.0 在安全方面进行了一些修正,包括修正了执行卷积运算时浮点数被 0 除的问题:CVE-2022-21725;修正了 Dequantize 形状推断中的整数溢出问题:CVE-2022-21727;修正了 ConcatV2 形状推断中的类型混淆问题:CVE-2022-21731 等。

发布者:Johngo学长。文章已受到原创版权保护。
转载请注明出处:https://www.johngo689.com/4517/

(0)
上一篇 2022年1月27日 下午3:07
下一篇 2022年2月10日 上午12:17

相关推荐

发表评论

登录后才能评论
免费咨询
免费咨询
扫码关注
扫码关注
联系站长

站长Johngo!

大数据和算法重度研究者!

持续产出大数据、算法、LeetCode干货,以及业界好资源!

2022012703491714

微信来撩,免费咨询:xiaozhu_tec

分享本页
返回顶部