Google、オープンソース機械学習ライブラリの最新版「TensorFlow 1.5」を発表：使い勝手やモバイル対応、GPUサポートが向上

オープンソース機械学習ライブラリの最新版「TensorFlow 1.5」が公開された。「Eager Execution」「TensorFlow Lite」、GPUアクセラレーション対応の強化が特徴だ。

[＠IT]

　Googleは2018年1月26日（米国時間）、オープンソース機械学習ライブラリの最新版「TensorFlow 1.5」を公開した。「Eager Execution for TensorFlow」「TensorFlow Lite」、GPUアクセラレーション対応の強化が目玉として紹介されている。

Eager Execution for TensorFlow

　現在プレビュー版が提供されているEager Execution for TensorFlowは、「Define by Run」型のプログラミングスタイルを可能にするインタフェースであり、これを有効にすると、PythonからTensorFlow演算を呼び出してすぐに実行できるようになる。

　GoogleはEager Execution for TensorFlowのメリットとして、下記を挙げている。

• 実行時エラーの即時確認と、Pythonツールと統合された迅速なデバッグ
• 使いやすいPython制御フローを利用した動的モデルのサポート
• カスタムおよび高次勾配の強力なサポート
• ほとんどのTensorFlow演算が利用可能

　Googleは、Eager Execution for TensorFlowにより、TensorFlowを簡単に使い始めることができ、研究開発をより直感的に進められると述べている。さらに、このことを示すために、簡単な計算例として行列の乗算を取り上げている。それによると、現在のTensorFlowでは次のようになる。

x = tf.placeholder(tf.float32, shape=[1, 1])
m = tf.matmul(x, x)
with tf.Session() as sess:
  print(sess.run(m, feed_dict={x: [[2.]]}))

　これに対し、Eager Execution for TensorFlowを有効にすると、次のようになる。

x = [[2.]]
m = tf.matmul(x, x)
print(m)

TensorFlow Lite

　TensorFlow Liteは、開発者向けプレビュー版がTensorFlow 1.5に組み込まれている。モバイルや組み込みデバイス向けのTensorFlowの軽量版だ。訓練済みのTensorFlowモデルを「.tflite」ファイルに変換し、モバイルデバイスを使って低レイテンシで実行できる。

　そのため、モバイルデバイス上でモデルの訓練を行う必要がない。また、訓練済みTensorFlowモデルをモバイルデバイスで動かすために、モバイルデバイスのデータをクラウドにアップロードする必要もない。例えば、画像を分類したい場合は、モバイルデバイス上に訓練済みモデルをデプロイして、そのまま実行することができる。

　TensorFlow Liteには、初心者向けのサンプルアプリが含まれる。このアプリは、1001の画像カテゴリーを持つMobileNetモデルを使用している。画像を認識し、多くのカテゴリーと照合して、最も該当する上位3つをリスト表示するようになっている。このアプリはAndroidとiOS向けに提供されている。

GPUアクセラレーション対応の強化

　WindowsまたはLinuxでGPUアクセラレーションを利用する場合を想定し、TensorFlow 1.5は、新たに「CUDA 9」と「cuDNN 7」をサポートしている。

　CUDA（Compute Unified Device Architecture）は、NVIDIAが開発、提供している、GPU向けの並列コンピューティングのためのスケーラブルな並列プログラミングモデルとソフトウェア環境。cuDNN（CUDA Deep Neural Network Library）は、CUDAのディープラーニング用ライブラリだ。

他の強化点

　TensorFlow 1.5ではこれら以外にも、「Accelerated Linear Algebra（XLA）」の改良や「RunConfig」のアップデートなど、さまざまな機能強化が行われている。詳細はリリースノートで発表されている。

TensorFlow 1.5のインストール

　TensorFlow 1.5は、パッケージ管理ツール「pip」を使って入手できる（Python 3を使っている場合は、pip3）。

$  pip install --ignore-installed --upgrade tensorflow