Zum Inhalt springen
// Tools & Entwicklung 2 Min. Lesezeit

TensorFlow 2.18: Wichtige Neuerungen und Verbesserungen in der Machine-Learning-Plattform

Mindverse News

KI-gestützt erstellt 9 Quellen Arbeitsweise

TensorFlow 2.18: Wichtige Neuerungen und Verbesserungen in der Machine-Learning-Plattform
Symbolbild
// Inhalt · 6 Abschnitte
  1. TensorFlow 2.18: Integration von NumPy 2.0 und Hermetic CUDA
  2. NumPy 2.0: Neue Möglichkeiten und notwendige Anpassungen
  3. Hermetic CUDA: Reproduzierbare Builds für ML-Projekte
  4. Unterstützung für moderne GPUs und Abkündigung älterer Hardware
  5. TensorFlow Lite wird zu RTLite
  6. Weitere Änderungen und Fehlerbehebungen
  7. Quellen

TensorFlow 2.18: Integration von NumPy 2.0 und Hermetic CUDA

Mit dem Release von TensorFlow 2.18 wurden wichtige Änderungen eingeführt, die die Kompatibilität und Reproduzierbarkeit von Machine-Learning-Projekten verbessern. Die neue Version integriert NumPy 2.0 und setzt beim Build-Prozess auf Hermetic CUDA.

NumPy 2.0: Neue Möglichkeiten und notwendige Anpassungen

Die Integration von NumPy 2.0 in TensorFlow 2.18 ist ein bedeutender Schritt. Während die meisten APIs kompatibel bleiben, können in einigen Fällen Fehlermeldungen wie "out-of-boundary conversion" oder Probleme mit der Skalardarstellung auftreten. Entwickler sollten die neuen Regeln der Type Promotion in NumPy 2.0 beachten, da diese die Präzision von Berechnungen beeinflussen und zu numerischen Abweichungen in den Ergebnissen führen können. TensorFlow hat angekündigt, NumPy 1.26 bis 2025 zu unterstützen, um Entwicklern Zeit für die Migration zu geben.

Hermetic CUDA: Reproduzierbare Builds für ML-Projekte

Hermetic CUDA ist eine weitere wichtige Neuerung in TensorFlow 2.18. Anstatt lokale CUDA-Bibliotheken zu verwenden, lädt TensorFlow nun CUDNN und NCCL direkt aus dem Internet herunter. Dieser Ansatz soll reproduzierbare Builds gewährleisten, insbesondere für große ML-Projekte. Die Unterstützung für TensorRT in CUDA-Builds wurde zugunsten von Code-Optimierungen entfernt.

Unterstützung für moderne GPUs und Abkündigung älterer Hardware

TensorFlow 2.18 bietet optimierte Kernels für GPUs mit einer Rechenkapazität von 8.9, die in modernen Grafikkarten wie der NVIDIA RTX 40 Serie, L4 und L40 zum Einsatz kommen. Die Unterstützung für GPUs älter als die Pascal-Generation (Compute Capability 6.0) wurde eingestellt. Nutzer älterer Hardware sollten bei TensorFlow 2.16 bleiben oder TensorFlow manuell für ihre Plattform kompilieren.

TensorFlow Lite wird zu RTLite

TensorFlow Lite befindet sich in einem Umbauprozess und wird zu RTLite migriert. Nach Abschluss der Migration, voraussichtlich Ende des Jahres, wird der Quellcode in ein separates Repository verschoben, und Contributors können sich an der Weiterentwicklung beteiligen. Für TensorFlow Lite werden dann keine Binärdateien mehr veröffentlicht.

Weitere Änderungen und Fehlerbehebungen

Neben den genannten Neuerungen enthält TensorFlow 2.18 zahlreiche weitere Änderungen und Fehlerbehebungen. Details dazu finden sich in den offiziellen Release Notes und im TensorFlow Blog.

Die Aktualisierung auf TensorFlow 2.18 bietet Entwicklern wichtige Verbesserungen in Bezug auf Kompatibilität, Reproduzierbarkeit und Leistung. Die Integration von NumPy 2.0 und Hermetic CUDA sind wichtige Schritte für die Zukunft von TensorFlow und Machine Learning.

Bibliographie

  1. https://github.com/tensorflow/tensorflow/releases
  2. https://www.heise.de/news/Developer-Snapshots-Kleinere-News-der-letzten-Woche-9992019.html
  3. https://github.com/tensorflow/tensorflow/blob/master/RELEASE.md
  4. https://chromium.googlesource.com/external/github.com/tensorflow/tensorflow/+/refs/heads/master/RELEASE.md
  5. https://gitlab.archlinux.org/archlinux/packaging/packages/tensorflow/-/issues/11
  6. https://www.msn.com/de-de/nachrichten/digital/developer-snapshots-kleinere-news-der-letzten-woche/ar-AA1sXNaR
  7. https://blog.tensorflow.org/2024/07/whats-new-in-tensorflow-217.html
  8. https://newreleases.io/project/pypi/tensorflow/release/2.18.0
  9. https://www.exxactcorp.com/blog/news/tensorflow-2-17-release-notes

//Nächster Artikel

Bild & Video

FlashVSR+: Effiziente 4K-Video-Super-Resolution durch hybride Attention und Reward-Distillation

FlashVSR+ ermöglicht ungekachelte 4K-Video-Super-Resolution auf einer RTX 4090 durch hybride Attention und Reward-Yield Distribution Matching.

// Artikel teilen

Bei Google bevorzugen

// Dranbleiben

Mindverse News folgen

Neue Meldungen erhalten Sie über unseren RSS-Feed oder auf LinkedIn.

Recherchieren Sie KI-News wie diese selbst — mit Mindverse Studio.

7 Tage kostenlos testen — ohne Kreditkarte, mit 200 Credits. Für Fragen zur Umsetzung buchen Sie eine persönliche Demo.