大数据频道 频道

TensorFlow 1.6重要的不是更新是bug修复!

  【IT168 资讯】TensorFlow可谓是最受欢迎的开源机器学习项目,它的每一次更新都备受瞩目。

  距离TensorFlow上次发布仅两个月,新的版本1.6又与我们见面了。TensorFlow 1.6没有太多重大变化,此次更新主要关注bug修复,API更改和一些新功能。

  TensorFlow 1.6增加了第二个版本的Getting Stared文件,专门针对机器学习新手。如果你是机器学习初学者,这是一个很好的资源。此外,有几个API更改,其中包括prepare_variance Boolean ,其默认设置为false以实现向后兼容。

TensorFlow 1.6重要的不是更新是bug修复!

  其他重大变化:

  ·针对非插槽变量的新的内部优化 API 。

  ·tf.estimator。{FinalExporter,LatestExporter}现在导出剥离的SavedModels,这提高了SavedModel的向前兼容性。

  ·FFT支持添加到XLA CPU / GPU。

  ·现在可以在兼容的Tegra设备上使用CUDA加速技术构建Android TF

  ·添加卷积Flipout层

  ·添加概率卷积层

  ·为Google云端存储添加客户端限制

  bug修复和其他已知问题

  当然,新版本不是没有任何重大更改的更新。TensorFlow 1.6的预构建二进制文件是针对CUDA 9.0和cuDNN 7构建的。此外,预构建的二进制文件将使用AVX指令,这可能会破坏较旧CPU上的TF。至于bug,关于tensorboard命令有一个很大的问题,由于pip包冲突导致某些升级流程后,它偶尔会丢失。(请参阅TensorBoard 1.6.0修补程序发行说明)

  此外,使用CUDA 9和CUDA 9.1的XLA:GPU会导致垃圾结果或CUDA_ILLEGAL_ADDRESS失败。

TensorFlow 1.6新版发布:重要的不是更新而是bug修复!

  在2017年12月,Google发现CUDA 9和CUDA 9.1中的PTX-to-SASS编译器在SASS中将大比特的64位地址计算分解为32位时,不能正确计算进位比特。由于这个错误,这些版本的ptxas错误地编译了大多数XLA程序,其内存超过4GB,导致垃圾结果或CUDA_ERROR_ILLEGAL_ADDRESS失败。

  谷歌方面预计对CUDA 9.1.121的修复将持续到2018年2月底。但是,TensorFlow并不期望修复CUDA 9.0.x。现在,唯一的解决方法是降级到CUDA 8.0.x或禁用XLA:GPU。

0
相关文章