TensorFlow 2.8.3 发布，机器学习平台

2022-09-03 發表於 开源资讯

TensorFlow 是一个用于机器学习的端到端开源平台。它有一个全面灵活的工具、库和社区资源所组成的生态，让开发人员轻松建立和部署由 ML 驱动的应用程序。TensorFlow 最初用于进行机器学习和深度神经网络研究。但该系统具有足够的通用性，也适用于其他广泛的领域。

2.8.3 主要更新内容：

  • 修复了由溢出导致的 tf.reshape 中的 CHECK 失败 (CVE-2022-35934)
  • 修复了由于缺少验证导致的 SobolSample 中的 CHECK 失败 (CVE-2022-35935)
  • 修复了 TF Lite 中 Gather_nd 操作中的 OOB 读取 (CVE-2022-35937)
  • 修复了因缺少验证而导致的 TensorListReserve CHECK 失败 (CVE-2022-35960)
  • 修复了 TF Lite 中 Scatter_nd 操作中的 OOB 写入(CVE-2022-35939)
  • 修复了 RaggedRangeOp 中的整数溢出 (CVE-2022-35940)
  • 修复了 AvgPoolOp 中的 CHECK 失败 (CVE-2022-35941)
  • 修复 UnbatchGradOp 中的 CHECK 失败 (CVE-2022-35952)
  • 修复了每通道量化转置卷积上的段错误 TFLite 转换器 (CVE-2022-36027)
  • 修复了 AvgPool3DGrad 中的 CHECK 失败 (CVE-2022-35959)
  • 修复了 FractionalAvgPoolGrad 中的 CHECK 失败 (CVE-2022-35963)
  • 修复 BlockLSTMGradV2 中的段错误 (CVE-2022-35963)
  • 修复了 QuantizeAndDequantizeV3 中的 CHECK 失败 (CVE-2022-36026)

更多修复项请阅读更新公告：https://github.com/tensorflow/tensorflow/releases/tag/v2.8.3

 

相關推薦

TensorFlow 2.12 正式发布

2023-03-27

TensorFlow 是一个用于机器学习的端到端开源平台。它有一个全面灵活的工具、库和社区资源所组成的生态，让开发人员轻松建立和部署由 ML 驱动的应用程序。 TensorFlow 最初用于进行机器学习和深度神经网络研究。但该系统具有

TensorFlow 2.9 发布，支持 WSL2、默认启用 oneDNN

2022-05-20

TensorFlow 是一个用于机器学习的端到端开源平台。它有一个全面灵活的工具、库和社区资源所组成的生态，让开发人员轻松建立和部署由 ML 驱动的应用程序。TensorFlow 最初用于进行机器学习和深度神经网络研究。但该系统具有足

字节跳动正式开源分布式训练调度框架 Primus

2023-04-27

资源利用率。 目前业界有很多类似的框架，如 TonY、TensorFlowOnSpark，Kubeflow 中的 Training Operators 等，但这些框架或多或少存在某些问题，如与固定的机器学习框架（ Tensorflow，Pytorch ）耦合需要写明例如 PS、Worker 等角色，容错

InfoWorld 公布 2023 年最佳开源软件

2023-10-26

不移动数据的情况下查询数据湖，StarRocks 都值得一试。 TensorFlow.js TensorFlow.js 将谷歌 TensorFlow 机器学习框架的强大功能打包到 JavaScript 软件包中，以最低的学习成本为 JavaScript 开发人员带来非凡的功能。你可以在浏览器、带有

Ray 2.0 发布，OpenAI 背后的机器学习技术

2022-08-25

程序开发，提高了开发人员的速度，可与其他框架（如 Tensorflow、PyTorch、Hugging Face 等）进行互操作。 Ray 现在支持使用 Ray Datasets 库对 100TB 或更多的数据进行本地 shuffle KubeRay：是一个用于在 Kubernetes 上运行 Ray 的工具包，

谷歌发布量子编程框架 Cirq 1.0 版本

2022-07-21

社区，支持不同的量子计算研究领域。这些库包括： TensorFlow Quantum：探索量子机器学习的工具。使用 TensorFlow Quantum，研究人员以每秒 1.1 petaflops（每秒 1.1 x 1015 次操作）的速度在 30 个量子位上训练了一个机器学习模型。

Ray 2.2 发布，机器学习框架

2023-02-12

扩大与 Apache Arrow 的版本兼容性，为 Ray Data 提供完整的 TensorFlow TF 记录读/写支持，以及 TF 和 Torch 数据集的新连接器方法（ from_tf, from_torch）。 针对内存外崩溃的稳定性改进 内存不足（OOM）是有害的错误，它不仅扰乱了长期运

2022 谷歌开发者大会都有啥亮点？

2022-09-16

源，了解如何在 Google Play 上创建并发展自己的业务。 TensorFlow 官方团队推出了《 TensorFlow 入门课程 - 部署篇 》专题课程，联合国内多所高校老师及 Google 认证开发者专家设计制作，帮助开发者高效入门部署领域，掌握

Chrome 发布首个 WebGPU 实现

2023-04-08

持 WebGPU，查看 demo PlayCanvas 宣布初步支持 WebGPU TensorFlow.js 支持大多数运算符的 WebGPU 优化版本 Three.js 对 WebGPU 的支持正在进行中，查看示例 延伸阅读 WebGPU 毫无疑问会在未来取代 WebGL

Alluxio AI 全新产品发布：无缝对接低成本对象存储 AI 训练解决方案

2023-10-21

uxio 集群。在计算引擎侧，Alluxio 可与 PyTorch、Apache Spark、TensorFlow 和 Ray 等流行的机器学习框架无缝集成。企业可以通过 REST API、POSIX API 或 S3 API 将 Alluxio 与这些计算框架集成。 在存储侧，Alluxio 可连接位于任何位置（本地、云

GitHub 报告：TypeScript 取代 Java 成为第三受欢迎语言

2023-11-17

开始更多地尝试使用 AI 模型。前几年，开发人员常使用 tensorflow/tensorflow、pytorch/pytorch 等机器学习库构建项目；现在则更多尝试使用 AI 模型和 LLM（如 ChatGPT API）。 报告分析了 GitHub 上排名前 20 位的开源生成式 AI 项目，发现

Java 开发人员如何看待生成式 AI 的兴起？

2023-08-25

使语言更加简洁，对开发人员更加友好。目前，PyTorch 和 TensorFlow 等库现在都有用于 AI/ML 开发的 Java API。 The New Stack 认为 GenAI 将为 Java 和 Python 开发人员提供良好的体验。支持开发人员自由选择语言和框架非常重要，灵活性对

微软发布跨平台机器学习框架 ML.NET 3.0

2023-12-01

微软近日正式发布 ML.NET 3.0，带来了许多新功能和改进。 ML.NET 是一个开源、跨平台的机器学习框架，专为 .NET 开发者设计，可以将自定义的机器学习模型集成到 .NET 应用程序中。 在这个版本中，深度学习方案得到了大幅

阿里云 PAIx 达摩院 GraphScope 开源基于 PyTorch 的 GPU 加速分布式 GNN 框架

2023-06-15

GraphLearn（https://github.com/alibaba/graph-learn）。GraphLearn 以 TensorFlow 1.x 系列为主，采用 ps 架构的异步训练模式，支持十亿节点，百亿边规模的大规模异构图分布式训练，应用于阿里内外部若干业务场景。随着PyTorch 的流行，其更加

熱門推薦