TensorFlow 2.8.3 发布,机器学习平台


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

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

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

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

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

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,

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。

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

2022-09-16

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

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

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

2024-08-01

生成速度对比: 前置条件 torch(keras) jax(keras) tensorflow(keras) RWKV-Pytorch 有 cuda 算子(bs=1) 4 token/s 78.0 token/s / / 无 cuda 算子(bs=1) 4 token/s 77.0 token/s 77.0 token/s 25.75 tokens/s 有 cuda 算子(bs=64) / 15

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

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

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