Die Machine-Learning-Community wird mit Version 2.18 von TensorFlow in den Genuss neuer Funktionen und Optimierungen kommen. Neben der Integration von NumPy 2.0 als Standard und dem Einsatz von Hermetic CUDA stehen vor allem erweiterte GPU-Unterst\u00fctzung im Fokus.<\/p>\n
NumPy 2.0: Fortschritt mit Anpassungen <\/p>\n
Ein bedeutender Schritt ist die Umstellung auf NumPy 2.0, das nun standardm\u00e4\u00dfig in TensorFlow 2.18 integriert und kompiliert wird. Das Team betont, dass die meisten APIs bei der Migration problemlos funktionieren. Dennoch sollten Entwicklerinnen und Entwickler sich mit m\u00f6glichen \u00c4nderungen vertraut machen, da es in einigen F\u00e4llen zu Fehlermeldungen kommen kann, beispielsweise bei Out-of-Boundary-Conversion oder der Darstellung von NumPy-Skalaren. Um historische Kompatibilit\u00e4t zu gew\u00e4hrleisten, wurde das Python-Verhalten von NumPy 1 beibehalten. Wichtig ist zudem die Kenntnis neuer Type-Promotion-Regeln in NumPy 2, die Auswirkungen auf TensorFlow-Ergebnisse haben k\u00f6nnen und zu Fehlern oder ungenauen Skalaren f\u00fchren k\u00f6nnten. TensorFlow unterst\u00fctzt NumPy 1.26 nur noch bis 2025, um Entwicklerinnen und Entwicklern den \u00dcbergang zum neuen Standard zu erm\u00f6glichen.<\/p>\n
Hermetic CUDA f\u00fcr reproduzierbare Builds <\/p>\n
Ein weiterer wichtiger Aspekt ist die Einf\u00fchrung von Hermetic CUDA bei der Quellenausgabe von TensorFlow. Anstelle einer lokalen CUDA-Installation l\u00e4dt TensorFlow nun CUDNN und NCCL aus dem Netzwerk. Dieser Ansatz verfolgt das Ziel, reproduzierbarere Builds f\u00fcr Googles eigene Machine-Learning-Projekte zu erm\u00f6glichen. Als Nebenwirkung wurde TensorRT in CUDA-Builds entfernt, um die Code-Qualit\u00e4t zu verbessern.<\/p>\n
Erweiterter GPU-Support <\/p>\n
TensorFlow 2.18 bringt Unterst\u00fctzung f\u00fcr neuere GPUs mit Compute Capability 8.9 im Nvidia-Raster. Diese Architektur findet sich auf Hardware wie der NVIDIA RTX 40 Series (RTX 40 , L4 oder L40). Im Gegenzug wird die Unterst\u00fctzung f\u00fcr GPUs vor der Pascal-Generation (Compute Capability 6.0) eingestellt. Nutzerinnen und Nutzer mit \u00e4lteren GPUs sollten bei Version 2.16 bleiben oder TensorFlow selbst f\u00fcr ihre Plattform kompilieren.<\/p>\n
TensorFlow Lite und RTLite <\/p>\n
Das Team plant bis Ende des Jahres die vollst\u00e4ndige Umstellung von TensorFlow Lite auf das neue Format RTLite (Runtime for Lite). Entwicklerinnen und Entwickler k\u00f6nnen bereits jetzt an dem neuen Standard mitarbeiten und sich mit den kommenden Ver\u00e4nderungen vertraut machen.<\/p>\n
Zusammenfassend liefert TensorFlow 2.18 wertvolle Updates f\u00fcr Machine-Learning-Projekte, die modernes GPU-Computing, verbesserte Reproduzierbarkeit und eine moderne NumPy-Integration bieten.<\/p>\n
Schlagw\u00f6rter: TensorFlow + NumPy + Hermetic CUDA<\/p>\n","protected":false},"excerpt":{"rendered":"
Die Machine-Learning-Community wird mit Version 2.18 von TensorFlow in den Genuss neuer Funktionen und Optimierungen kommen. Neben der Integration von NumPy 2.0 als Standard und dem Einsatz von Hermetic CUDA stehen vor allem erweiterte GPU-Unterst\u00fctzung im Fokus. NumPy 2.0: Fortschritt mit Anpassungen Ein bedeutender Schritt ist die Umstellung auf NumPy...<\/p>\n","protected":false},"author":4,"featured_media":10864,"comment_status":"","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[1],"tags":[],"class_list":["post-10865","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-uncategorized"],"_links":{"self":[{"href":"https:\/\/byte-bucket.com\/index.php?rest_route=\/wp\/v2\/posts\/10865","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/byte-bucket.com\/index.php?rest_route=\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/byte-bucket.com\/index.php?rest_route=\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/byte-bucket.com\/index.php?rest_route=\/wp\/v2\/users\/4"}],"replies":[{"embeddable":true,"href":"https:\/\/byte-bucket.com\/index.php?rest_route=%2Fwp%2Fv2%2Fcomments&post=10865"}],"version-history":[{"count":0,"href":"https:\/\/byte-bucket.com\/index.php?rest_route=\/wp\/v2\/posts\/10865\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/byte-bucket.com\/index.php?rest_route=\/wp\/v2\/media\/10864"}],"wp:attachment":[{"href":"https:\/\/byte-bucket.com\/index.php?rest_route=%2Fwp%2Fv2%2Fmedia&parent=10865"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/byte-bucket.com\/index.php?rest_route=%2Fwp%2Fv2%2Fcategories&post=10865"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/byte-bucket.com\/index.php?rest_route=%2Fwp%2Fv2%2Ftags&post=10865"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}